は、グループ化は、この例のコードと同様の方法で、互いに大きく異なっているかどうかを確認するために、いくつかの集合データで定義されたグループのANOSIMです:ANOSIM私がやりたい何
data(dune)
data(dune.env)
dune.dist <- vegdist(dune)
attach(dune.env)
dune.ano <- anosim(dune.dist, Management)
summary(dune.ano)
しかし、私自身のデータでは、ブレイク - カーチスの行列にhclust()ダイアグラムを作成し、樹形図を見て高さを設定することで視覚的に自分のグループを作成した後、私はcutree()を使ってMDSのプロットなどにスーパーインポーズすることができるこれらのグループを取得できますが、私が作成したグループ間の類似性の重要性を確認したいと思います。
data("dune")
dune.dist <- vegdist(dune)
clua <- hclust(dune.dist, "average")
plot(clua)
rect.hclust(clua, h =0.65)
c1 <- cutree(clua, h=0.65)
それから)コード例で与えられたグループは、管理因子であったとしてC1定義されたカテゴリを使用し、それらはanosim(経由で実際に異なっているかどうかを確認するために、それらの類似性をテストします。
これは私の不適切なコーディングの問題であると確信しています....アドバイスをいただければ幸いです。
入力いただきありがとうございます@JariOksansen。私は同じ相違点からのクラスターに基づいて非類似性を分析しようとすると投機的なルートが下がるというコメントから推測しています。同様の分析手法を使って読んだ論文とは違って、ANOSIMを適用するための治療法や地域分類を時系列にしているので、私の大学からいくつかの統計補助を受けることができるかどうかを見ていきます。それほど適切ではない。 – Lmm