По предложению рецензента я анализирую данные функциональных признаков с использованием анализа избыточности (RDA).Это первый раз, когда я использую этот метод, поэтому у меня возникают проблемы с пониманием его тонкостей.
Мои данные имеют следующую структуру:
# Generate a dataset of 7 traits for 27 individuals
traits_test <- as.data.frame(matrix(data = 0, ncol = 7, nrow = 27))
colnames(traits_test) <- paste(array("trait_", dim = 7), c(1:7), sep = "")
for(i in 1:7) traits_test[,i] <- runif(27, 0, 1)
# Generate a dataframe with 3 factors
factor1 <- as.factor(c("A", "A", "A", "A", "A","B", "B", "B", "B", "A",
"A", "A", "A", "A", "B","B", "B", "B", "A", "A",
"A", "A", "A", "B","B", "B", "B"))
factor2 <- as.factor(c(array("C", dim = 9), array("D", dim = 18)))
factor3 <- as.factor(c(array("E", dim = 9), array("F", dim = 9), array("G", dim = 9)))
varexp <- cbind.data.frame(factor1, factor2, factor3)
Первым этапом моего исследования был анализ каждой черты со следующей смешанной моделью:
trait_x ~ factor1 + factor2 + (1|factor3)
Второйшаг состоит в том, чтобы использовать многомерный подход с RDA.Поскольку я не знал, как включить случайные эффекты в RDA, я кодировал 3-й фактор как нормальный фактор со следующей моделью (которая дала мои удовлетворительные результаты):
# Analysis conducted with the vegan package
library(vegan)
# RDA analysis
RDA <- rda(traits_test ~ factor1 + factor2 + factor3, data = varexp)
Тем не менее, я был предложенрецензент для кодирования 3-го фактора в качестве ковариации со следующей моделью:
RDA <- rda(traits_test ~ factor1 + factor2 + Condition(factor3), data = varexp)
Чего я не понимаю, так это того, что в этой последней модели у меня на выходе только 1 ось RDA вместо 3 вНачальная модель.Может ли кто-нибудь объяснить мне точно, что означает включение фактора в качестве Условного, и действительно ли это эквивалент случайного эффекта?
Спасибо всем, кто может помочь!