vegan包计算PCA结果解读

image.png

inertial：可以是变量总方差（基于协方差矩阵的pca分析），也可以是变量自相关系数总和，等于变量数量。

·Scaling（标尺）：请不要与rda（）函数内的变量标准化参数scale混淆。“Scaling”是指排序结果投影到排序空间的可视化方式。一般的排序图需要同时展示对象和变量（称为“双序图”（biplot）），但没有同时可视化对象和变量的最优化方法。一般有两种标尺模式，不同模式的排序图有不同解读，即关注点不同。下面给出每种模式最主要的特征，更详细的解释请参考Legendre和Legendre（1998，第403-404页）。

-Scaling1（1型标尺）=distance biplot（距离双序图）：特征向量被标准化为单位长度，关注的是对象之间的关系。①双序图中对象之间的距离近似于多维空间内的欧氏距离。②代表变量的箭头之间的角度没有意义。

-Scaling2（2型标尺）=correlation biplot（相关双序图）：每个特征向量被标准化为特征根的平方根，关注的是变量之间的关系。①双序图中对象之间的距离不再近似于多维空间内的欧氏距离。②代表变量箭头之间的夹角反映变量之间的相关性。

一在这两种模式下，将对象点垂直投影到变量箭头上位置表示该变量在该对象内数值在所有样方内的排序位置。
一选择建议：如果分析兴趣在于解读对象之间的关系，设定scaling=1。
如果分析兴趣在于解读变量之间的关系，设定scaling=2。

·Species scores：代表变量的箭头在排序图的坐标。由于历史的原因，在vegan包里，所有的响应变量都统称为物种，不管这些变量是否真的是物种。
·Site scores：对象在排序图的坐标。在vegan包里面，所有的对象都统称为样方。