R語言中的Anosim分析該如何理解，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。
創(chuàng)新互聯(lián)建站專注于網(wǎng)站建設(shè)，為客戶提供網(wǎng)站設(shè)計制作、網(wǎng)站制作、網(wǎng)頁設(shè)計開發(fā)服務(wù)，多年建網(wǎng)站服務(wù)經(jīng)驗，各類網(wǎng)站都可以開發(fā)，高端網(wǎng)站設(shè)計，公司官網(wǎng)，公司展示網(wǎng)站，網(wǎng)站設(shè)計，建網(wǎng)站費(fèi)用，建網(wǎng)站多少錢，價格優(yōu)惠，收費(fèi)合理。
無論是野外環(huán)境樣品，還是室內(nèi)試驗樣品，一般我們都會設(shè)置樣方或平行樣來增強(qiáng)分析的準(zhǔn)確性，必要時還會進(jìn)行區(qū)組設(shè)計，因此在數(shù)據(jù)分析中需要進(jìn)行組間差異的比較判別。然而對于微生物群落數(shù)據(jù)，由于物種繁多，而且不同物種的敏感環(huán)境因子不同，因此基于正態(tài)分布的參數(shù)檢驗難以滿足分析需要，要進(jìn)行多元非參數(shù)檢驗（non-parametric multivariate statistical tests）來計算顯著性，R語言vegan包含有多種非參數(shù)檢驗方法，包括Anosim、Adonis、MRPP等，不同方法在統(tǒng)計量的選擇、零模型等方面存在差異。
重慶分公司
重慶分公司
#讀取抽平后的OTU_table和環(huán)境因子信息data=read.csv("otu_table.csv", header=TRUE, row.names=1)envir=read.table("environment.txt", header=TRUE)rownames(envir)=envir[,1]env=envir[,-1]#篩選高豐度物種并將物種數(shù)據(jù)標(biāo)準(zhǔn)化means=apply(data, 1, mean)otu=data[names(means[means>10]),]otu=t(otu)#根據(jù)地理距離聚類kms=kmeans(env, centers=3, nstart=22)Position=factor(kms$cluster)#進(jìn)行Anosim分析library(vegan)anosim=anosim(otu, Position, permutations=999)summary(anosim) 
假如R>0，說明組內(nèi)距離小于組間距離，也即分組是有效的，這與方差分析中比較組內(nèi)方差與組間方差來判斷的原理是類似的。由上面分析結(jié)果可以看到R=0.4613，大于零模型99%分位數(shù)0.290，因此p值為0.001，結(jié)果是顯著的。我們可以提取分析結(jié)果，如下為距離的秩：
因為有22個樣品，所以應(yīng)該有C(22, 2)=231個距離。如下為上述距離對應(yīng)的歸屬：
mycol=c(52,619,453,71,134,448,548,655,574,36,544,89,120,131,596,147,576)mycol=colors()[mycol]par(mar=c(5,5,5,5))result=paste("R=",anosim$statistic,"p=", anosim$signif)boxplot(anosim$dis.rank~anosim$class.vec, pch="+", col=mycol, range=1, boxwex=0.5, notch=TRUE, ylab="Bray-Curtis Rank", main="Bray-Curtis Anosim", sub=result) 
看完上述內(nèi)容，你們掌握R語言中的Anosim分析該如何理解的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！
