pc-ord怎样用

PC-ORD对电子表格中的生态数据进行多变量分析。PC-ORD的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，PC-ORD还提供了许多统计数据包中不可用的排序和分类技术：CCA、DCA、指示物种分析、Mantel试验、部分Mantel试验、MRPP、PCoA、perMANOVA、RDA、双向聚类、TWINSPAN、Beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3D排序、Bray-Curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（NMS或NMDS）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
Ÿ 凸包填充多边形
凸包是使用多边形包围一组中所有点的覆盖物。这个覆盖的目的是通过在排序或散点图中使用该组的外点来显示一个组的轮廓。这可以帮助用户辨别是否以及如何在散点图中分离或重叠组。形成凸壳的基本规则是，组中的外点以闭合多边形连接，使得相邻的段总是使内角小于或等于180度。绘制凸包需要至少三个点。然而，只有三点的凸包必须将这些点中的每一点作为多边形的**点（角）。


Ÿ NMS Stress by Iteration
实时显示NMS每一次迭代的应力是如何变化的。显示的每一个步骤都在实时更新，改进排序空间中点的配置。这个图片很有趣，信息也很丰富。有趣的是您得到一个动态的、丰富多彩的、有趣的窗口到NMS的进程中。对于每次运行和维度，您可以看到随着迭代次数的增加，应力降低。每个维度是彩色编码的，并且显示独立的面板用于真实和随机运行。这些图表的信息来自对NMS替代方案的稳定性和一致性的洞察。不稳定的结构表现为垂直的锯齿形。一致性表现为在给定水平上的小应力平台。着维数的增加，维数的重要性表现为终应力的递减序列。

PC-ORD对电子表格中的生态数据进行多变量分析。PC-ORD的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，PC-ORD还提供了许多统计数据包中不可用的排序和分类技术：CCA、DCA、指示物种分析、Mantel试验、部分Mantel试验、MRPP、PCoA、perMANOVA、RDA、双向聚类、TWINSPAN、Beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3D排序、Bray-Curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（NMS或NMDS）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。


Ÿ 基于距离的冗余分析（DBRDA）
基于距离的冗余分析（DRBDA）类似于冗余分析（RDA），除了主矩阵由它的主坐标代替，使用您选择的距离度量。这个变体的目的是允许您选择non-Euclidean距离度量，如Sorensen（Bray-Curtis），这个已经在群落生态学中是有效的。


Ÿ Categorical Counts
Categorical Counts提供一种用给定范畴值跟踪案例数量的方法（行，通常指示例单元）。默认情况下，对选定矩阵中的所有分类变量都执行此操作。提供了快速评估类别的频率，对于实验设计中的平衡或不同类别的采样有效性等问题是有用的。


Ÿ Functional Diversity
Functional diversity分析了样本单元x物种矩阵与物种x性状矩阵的组合。PC-ORD中的功能多样性措施的原理和使用在以下主题中描述。


其他已有的分析方法
Ÿ Gower Distance
Gower（1971a）系数在相似性或相度量中是非常不寻常的，因为它可以基于定性（分类）数据、定量数据或两者的混合物来计算。分类数据作为匹配问题来处理：共享定性属性的项从该属性接收相似性单元。参看Legendre和Legendre（1998）对这个方法的详细描述。

PC-ORD和R软件功能对比
虽然在PC-ORD和R中有许多相同的工具可用，但是用户体验从根本上不同。为了对R中的社区数据进行必要和适当的分析，您必须学习R编程语言，手动识别、搜索、下载“vegan”和各种其他的程序包，并根据需要修改代码以实现分析目标并获得合适的图形。PC-ORD软件操作简单、驱动的分析偏好选项、点击图形用户界面便利、交互式图形的功能很灵活、内置上下文敏感的帮助系统以及免费技术支持，这些在R软件里都是没有的功能。R软件鼓励用户开发脚本，PC-ORD还允许用户通过其“批处理”功能开发脚本，以及将用户开发的模块集成到菜单系统中。因此，PC-ORD使您能够快速、有信心地选择、运行和解释适当的分析，并在没有准备工作的情况下生成定制的、出版质量的图形。使社区分析的过程变得简单和*，以至于初学者实际上有可能做到这一点并且做得正确。PC-ORD不仅把您需要的大部分工具放在一个地方，而且因为编程已经为您完成了，您可以把时间花在探索数据、回答问题和测试假设等真正重要的事情上。PC-ORD帮助您确保可以清楚地看到数据集和目标的选项，并帮助您以强大的图形和详细的解释结果列表解释您的结果。


PD-ORD具备的而R软件没有的功能
Integrated：快速便捷的Windows菜单驱动分析和图形化集成到单个程序中。
Supported：及时的软件和分析问题反馈。
Flexible：菜单驱动的参数设置选项允许适当的定制分析。
Comprehensive：包括主要分析工具和社区分析的*特工具。
Help System：广泛的上下文敏感帮助系统。
Advisor Wizard：帮助您决定如何转换和分析数据。
Decision Tree Poster：帮助您理解Advisor Wizard逻辑。
Step-by-Step Book：详细的向导手册。
Analysis Book：介绍各种分析方法。

PC-ORD对电子表格中的生态数据进行多变量分析。PC-ORD的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，PC-ORD还提供了许多统计数据包中不可用的排序和分类技术：CCA、DCA、指示物种分析、Mantel试验、部分Mantel试验、MRPP、PCoA、perMANOVA、RDA、双向聚类、TWINSPAN、Beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3D排序、Bray-Curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（NMS或NMDS）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。


Ÿ 创造性状组合
通过组合来自两个现有变量的类别来创建一个新的分类变量。从两个选择变量中的每个类别的组合被视为新变量中的新类别。由此产生的新变量总是的。现有变量保留完整，但您可以通过Modify|Delete按钮很*的将它。
例如，假设您有两个分类变量，一个是对原生与非本土物种的编码，一个是对一年生植物和多年生植物的编码。这可能在分析中发挥作用，如果这些物种的组合，例如，非本地一年生植物，在生态上与所有现存物种特别不同？因此，您可能希望用这些性状类别的所有四种组合来创造一个新的分类变量：（1）本地一年生植物，（2）原生多年生植物，（3）非**一年生植物，（4）非**多年生植物。


Ÿ 计算SU x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（MCCUNE 2015）。为了大化SUX性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为小至大，然后计算每个样本单位的丰度加权性状平均值。