주성분 분석 대 대응 분석 사용

조간 커뮤니티에 관한 데이터 세트를 분석하고 있습니다. 데이터는 사분면 (해초, 따개비, 홍합 등)의 표지 비율입니다. 종 수의 관점에서 대응 분석 (CA) 과 선형 성분 (종이 아닌) 경향에 더 유용한 것으로서 성분 분석 (PCA) 에 대해 생각하는 데 익숙합니다 . PCA 또는 CA가 표지에 더 적합한 지 (어떤 논문도 찾을 수 없는지) 알아낼 수있는 행운이 없었으며, 100 %까지 제한되는 것이 어떻게 배포 될지 확신 할 수 없습니다. ?

첫 번째 detrended 대응 분석 (DCA) 축의 길이가 2보다 길면 CA를 사용해야한다고 가정 할 수 있다는 대략적인 지침을 잘 알고 있습니다. DCA 축 1의 길이는 2.17로, 도움이되지 않습니다.

PCA는 CA가 상대 값에서 작동하는 값에서 작동합니다. 둘 다 언급 한 종류의 상대 풍부 데이터에 적합합니다 (하나의 주요 경고 사항은 나중에 참조하십시오). % 데이터를 사용하면 이미 상대 측정 값이 있지만 여전히 차이가 있습니다. 자신에게 물어

• 풍부한 종 / 택사 (예 : 큰 표지가있는 것)의 패턴을 강조하고 싶습니까?
• 상대 구성의 패턴에 집중하고 싶습니까?

전자의 경우 PCA를 사용하십시오. 후자가 CA를 사용하는 경우. 두 가지 질문에서 내가 원하는 것은

A = {50, 20, 10}
B = { 5,  2,  1}

다른 것으로 간주하거나 동일하게? A그리고 B두 샘플이며, 숫자가 표시된 세 분류군의 % 커버한다. PCA는 사용 된 유클리드 거리 때문에 이들을 매우 다른 것으로 간주하지만 CA는이 두 샘플이 동일한 상대 프로파일을 가지기 때문에 매우 유사하다고 간주합니다.

여기서 중요한 경고는 데이터의 닫힌 구성 특성입니다. 1 (100 %)에 해당하는 소수의 그룹 (예 : Sand, Silt, Clay)이있는 경우 두 방법 모두 정확하지 않으며 Aitchison의 Log-ratio PCA를 통해보다 적절한 분석으로 이동할 수 있습니다. 데이터. (IIRC를 수행하려면 행 과 열 을 중심으로 하고 데이터를 로그 변환해야합니다.) 다른 방법도 있습니다. R을 사용하는 경우 유용한 한 권의 책은 R로 구성 데이터 분석 입니다.