Mnohonásobná regrese a mnohorozměrná analýza dat

1. Mnohonásobná regrese a mnohorozměrná analýza dat v programu CANOCO

2. Mnohonásobná regrese • mám více prediktorů • ovlivňuje výšku rostliny hnojení a zálivka? • ovlivňuje hmotnost těla zeměpisná šířka a nadmořská výška? • prediktory by ideálně neměly být korelované • lineární model:

3. Mnohonásobná regrese • lineární - grafem je rovina (pro 2 prediktory)

4. Mnohonásobná regrese • kvadratická

5. Mnohonásobná regrese • metoda nejmenších čtverců

6. Mnohonásobná regrese • koeficienty α a βi-n odhadujemestejně jako u jednoduché regrese • testujeme: • ANOVA celého modelu (ani jeden prediktor nevysvětluje závisle proměnnou) • t-testy jednotlivých regresních koeficientů (k jednotlivým proměnným)

7. Mnohorozměrná analýza dat • Canoco for Windows • program pro hodnocení společenstev • mám seznam lokalit (vzorky) a druhů, které jsem tam našel • dostanu ordinační diagram - „podobné“ druhy, lokality nebo oboje jsou u sebe • pokud mám ve vzorcích změřené nějaké vysvětlující proměnné (např. abiotické faktory), můžu si najít jestli průkazně ovlivňují druhy a jak

8. Canoco – velmi stručný návod • v podstatě hledá imaginární „co nejlépe“ vysvětlující proměnné (osy) • viz Mnohorozměrná analýza ekologických dat. Jan Lepš & Petr Šmilauer, BF JU v ČB, 2000 • obecně pomocí Canoca mohu hodnotit jakoukoli (mnohorozměrnou) odpověď • typicky tedy druhy (počty, 0-1, třídy početnosti,…) ve vzorcích • ale i např. hmotnost, strupovitost, chuť a rezistence brambor • známka z M, Čj, Fy, Bi, Tv, D a Ch u studentů • délka pestíku, plocha listů, průměr stonku, počet listů, celková výška u rostlin

9. Canoco – velmi stručný návod • zdrojová data – v Excelu či jiném tabulkovém procesoru • „druhová“ data: • řádky jsou jednotlivé vzorky • ve sloupcích druhy (nebo to co sleduji) hodnocené téměř libovolným způsobem (0-1, počet, ordinální kategorie, délka, hmotnost,…….)

10. Canoco – velmi stručný návod • druhová data převedu do formátu Canoca programem WCanoImp (oblast dat v Excelu zkopíruji do schránky, spustím WCanoImp a dám „Save“) • uložím jako *.dta nebo *.spe (pokud chci aby to Canoco zobrazilo, jinak můžu třeba *.xyz) • Spustím Canoco for Windows a zvolím nový projekt

11. Canoco – velmi stručný návod • vyberu soubor s druhovými daty a zadám soubor, kam se uloží řešení projektu (*.sol) • Type of Analysis – zde můžu zvolit některou nepřímou (neomezenou) analýzu (PCA – Principle Component Analysis, CA – Correspondent Analysis, DCA – detrended CA) • nejprve zvolím DCA, podle výsledku se rozhodnu mezi PCA (lineární) či CA (unimodální)

12. Lineární metody – předpokládám lineární odpověď, anebo mám krátký úsek gradientu Unimodální – nepředpokládám lineární odpověď, anebo mám dlouhý úsek gradientu podle Lepš a Šmilauer 2000

13. Canoco – velmi stručný návod • Provedu DCA (většinou nechám defaultní nastavení, pokud mám počty jedinců je dobrá použít odmocninovou transformaci) • Po analýze dostanu souhrnnou tabulku: • pokud je délka gradientu větší než 4, měl bych použít unimodální. Pokud menší než 3, bývá lepší lineární. Pokud 3-4 je to na mně.

14. Canoco – velmi stručný návod • podle délky gradientu tedy zvolím CA nebo PCA • provedu analýzu, přepnu do CanoDraw Kumulovaná procentuální část variability vysvětlená jednotlivými osami

15. Canoco – velmi stručný návod • pokud mám u vzorků změřené nějaké vysvětlující proměnné: • mám je v Excelu ve stejném pořadí jako druhová data • oblast vyberu a spustím WCanoImp • uložím jako *.dta nebo *.env • v Canocu užiji omezené (přímé) analýzy – RDA (Redundancy Analysis), CCA (Canonical • Correspondence Analysis) • zase mezi lineárními a unimodálními rozhodnu pomocí DCA

16. Canoco – velmi stručný návod • proměnné – poměrová, intervalová či ordinální škála • kategoriální proměnné – zadávám jako tzv. dummy variables • nebo fuzzy variables

17. Canoco – velmi stručný návod • Canoco umí spočítat, jestli daná vysvětlující proměnná (environmentální charakteristika) ovlivňuje vysvětlované proměnné (druhy) statisticky průkazně – tzv. Monte-Carlo permutační testy • manuální „forward selection“ – do analýzy zařadím jen ty proměnné, které mají průkazný efekt (většinou, záleží na tom co chci získat)

18. Canoco – velmi stručný návod • další postup podobný jako u neomezených analýz • ve výsledcích dostanu omezené a neomezené osy • kategoriální (nominální) proměnné musím v CanoDraw takto značit • pokud mám kovariáty (covariables, vysvětlující proměnné, jejichž vliv chci odfiltrovat) – volím na začátku projektu • další – viz cvičení a Lepš a Šmilauer 2000