RDA незначимые оси RDA - PullRequest
Новая
       108

RDA незначимые оси RDA

0 голосов
/ 21 апреля 2020

Я просмотрел онлайн-форумы и различные статьи, и немного озадачен интерпретацией моих результатов для анализа RDA.

Я запустил полную модель с кластером geneti c в этом состоянии и подошел со значимой моделью с глобальным тестом с использованием перестановок anova (PERMANOVA) с использованием функции anova.cca (). 

signif.full.c <- anova.cca(gno.rda.c)
signif.full.c
#Permutation test for rda under reduced model
#Permutation: free
#Number of permutations: 999
#Model: rda(formula = gen.imp ~ long + lat + Depth + Condition(Clusters), data = gno.clusters, scale = T)
#Df Variance      F Pr(>F)  
#Model      4    221.0 1.0546  0.007 **
#  Residual 100   5239.3

Затем я смотрю на оси RDA, которые не являются значимыми: 

signif.axis.c <- anova.cca(gno.rda.c, by="axis")
signif.axis.c
#Permutation test for rda under reduced model
#Forward tests for axes
#Permutation: free
#Number of permutations: 999
#Model: rda(formula = gen.imp ~ long + lat + Depth + Condition(Clusters), data = gno.clusters, scale = T)
#Df Variance      F Pr(>F)
#RDA1       1     58.0 1.1078  0.123
#RDA2       1     56.3 1.0740  0.307
#RDA3       1     55.3 1.0549  0.302
#RDA4       1     51.4 0.9816  0.686
#Residual 100   5239.3

Но, глядя на перестановки «полей», которые учитывают значение терминов, я получаю значительные результаты для долготы и глубины: 

signif.margin.c <- anova.cca(gno.rda.c, by="margin")
signif.margin.c
#Permutation test for rda under reduced model
#Marginal effects of terms
#Permutation: free
#Number of permutations: 999
#Model: rda(formula = gen.imp ~ long + lat + Depth + Condition(Clusters), data = gno.clusters, scale = T)
#Df Variance      F Pr(>F)  
#long       1     56.2 1.0717  0.027 *
#  lat        1     53.9 1.0285  0.214  
#Depth      2    112.8 1.0762  0.007 **
#  Residual 100   5239.3

Я удаляю широту из моделей и снова модель важна так же, как и термины, но опять же оси RDA не значимы: 

#Permutation test for rda under reduced model
#Permutation: free
#Number of permutations: 999
#Model: rda(formula = gen.imp ~ long + Depth + Condition(Clusters), data = gno.clusters, scale = T)
#Df Variance     F Pr(>F)  
#Model      3    167.1 1.063  0.005 **
#  Residual 101   5293.2  

#Permutation test for rda under reduced model
#Marginal effects of terms
#Permutation: free
#Number of permutations: 999
#Model: rda(formula = gen.imp ~ long + Depth + Condition(Clusters), data = gno.clusters, scale = T)
#Df Variance      F Pr(>F)  
#long       1     55.9 1.0657  0.039 *
#  Depth      2    112.4 1.0719  0.015 *
#  Residual 101   5293.2  

#Permutation test for rda under reduced model
#Forward tests for axes
#Permutation: free
#Number of permutations: 999
#Model: rda(formula = gen.imp ~ long + Depth + Condition(Clusters), data = gno.clusters, scale = T)
#Df Variance      F Pr(>F)
#RDA1       1     57.1 1.0900  0.165
#RDA2       1     56.0 1.0681  0.178
#RDA3       1     54.0 1.0308  0.245
#Residual 101   5293.2

Означает ли это, что я могу игнорировать значение модели и значение термина, поскольку оси RDA не значимы?

...