R语言中的Adonis分析如何理解

魁首哥

作者

R语言中的Adonis分析如何理解

R语言中的Adonis分析如何理解，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

通常我们在做假设检验的时候，是看一个分组变量（也即因子型变量）对某个数值变量的影响，这时候我们针对数据特征可以选择合适的检验方法，如下所示：

这种统计检验就是分析不同分组数据的差别，分组可以来自实验本身的区组设计，也可以来自聚类分析。当情形变得更复杂些——不同分组不再是单个数据变量，而是一个个数据矩阵的时候，例如微生物群落数据，我们需要更复杂的方法来进行分析，也就是组间差异分析的主要内容。

Anosim分析 ， Anosim 分析的一个缺点就是只能分析一个分组因素的影响，当有两个因素同时影响时可能得出错误结果。今天来介绍另一种非参数差异分析 Adonis 。

ADONIS 又称置换多因素方差分析（ permutational MANOVA ，也即 PERMANOVA ）或非参数多因素方差分析（ nonparametric MANOVA ），是一种基于样品距离 ( 默认为 distance="bray" ，可以选择其他距离，也可以直接使用距离矩阵进行分析 ) 的非参数多元方差分析方法，是 MANOVA 的等同形式。该方法可分析不同分组因素对样品距离的解释度，记组间距离的方差为 SSb 、组内距离的方差为 SSw ，假如数据受分组影响显著，那么 SSb 应远小于 SSw ，因此构造统计量 F ：

其中 n 为样本总数， m 为组数。假如组间差异不显著，即各组样本均来自同一总体，那么 F≈1 ；假如组间差异显著， F>>1 。与方差分析的 MANOVA 不同的是， Adonis 使用置换来获得统计量 F 的分布而不是使用标准 F 分布来进行判断，因此是非参数方法。在 R 中 Adonis 分析可以使用 vegan 包中的 adonis() 以及 adonis2() 函数，示例如下：

#读取物种和环境因子信息data=read.csv("otu_table.csv",header=TRUE,row.names=1)envir=read.table("environment.txt",header=TRUE)rownames(envir)=envir[,1]env=envir[,-1]#筛选高丰度物种并将物种数据标准化means=apply(data,1,mean)otu=data[names(means[means>10]),]otu=t(otu)#根据地理距离聚类kms=kmeans(env,centers=3,nstart=22)Position=factor(kms$cluster)#进行Adonis分析library(vegan)adonis=adonis(otu~Position,permutations=999)adonis

可以看到检验结果也是显著的，而且结果中给出了每部分的R²。

与 Anosim 、 MRPP 不同的是， Adonis 稳健性大大提高，而且既可以处理因子变量也可以处理连续的数值变量（实质上就是回归）。由于 Adonis 为置换多因素方差分析，所以可以灵活使用方差分析的公式，因此分析效果大大增强。下面我们分析经纬度单独的影响，使用多元双因素方差分析的公式：

adonis2=adonis(otu~Latitude*Longitude,env,permutations=999)adonis2