新方法评估典范分析中解释变量的相对重要性
典范分析（canonical analysis）是生态学多元统计的核心分析方法，主要用于量化环境因子（解释变量）对多物种生物群落（响应变量）的决定作用。由于涉及参数较多，典范分析中的对具有多重共线性的解释变量的相对重要性评估是个尚未解决的难题。以往的分析使用简单效应（simple effect）、边际效应（marginal effect）或条件效应（conditional effect）作为相对重要性的评估指标，但这些指标受多重共线性的影响可能导致不准确评估。
近期，中国科学院植物研究所马克平研究组等将统计学中“层次分割”的理论应用于典范分析，并将层次分割与变差分解建立起数学联系，认为可以通过平均分配共同解释的组分与边际效应之和获得单个解释变量所分配的解释率，通过比较单个变量解释率来评估典范分析中共线性的解释变量相对重要性。科研人员同时开发了基于R语言平台的rdacca.hp包来实现上述方法，并采用公开的欧洲Doubs河流的鱼类分布与10种环境因子的经典案例数据进行方法和rdacca.hp包的使用演示，以方便国内外同行对结果进行重复和检验。
业界专家认为，该研究和配套的R包为多变量模型的解读和模型筛选做出了非常有价值的贡献，厘清了各种判断指标之间的关系，解决了长期困扰典范分析的一个难题。
相关成果发表于生态学期刊Methods in Ecology and Evolution，与论文配套的rdacca.hp包发表在R语言官方网站。研究得到科技部、中科院的资助。
推荐
