數量生態學--R語言的應用

第1章 緒論
1.1 為什麼需要數量生態學?
1.2 為什麼用R?
1.3 本書的讀者群和結構
1.4 如何使用本書
1.5 數據集
1.5.1 Doubs魚類數據集
1.5.2 甲蟎數據集
1.6 關於R幫助資源的提醒
1.7 現在是時候了
第2章 探索性數據分析
2.1 目標
2.2 數據探索
2.2.1 數據提取
2.2.2 物種數據：第一次接觸
2.2.3 物種數據：進一步分析
2.2.4 物種數據轉化
2.2.5 環境數據
2.3 小結
第3章 關聯測度與矩陣
3.1 目標
3.2 關聯測度的主要類別(簡短概述)
3.2.1 Q模式和R模式
3.2.2 Q模式下對稱或非對稱的系數：雙零問題
3.2.3 定性或定量數據的關聯測度
3.2.4 概括
3.3 Q模式：計算對象之間的距離矩陣
3.3.1 Q模式：定量的物種數據
3.3.2 Q模式：二元(有一無)物種數據
3.3.3 Q模式：定量數據(除物種多度數據外的數據)
3.3.4 Q模式：二元數據(除物種有一無數據外的數據)
3.3.5 Q模式：混合類型、包括分類(定性多級)變量
3.4 R模式：計算變量之間的依賴矩陣
3.4.1 R模式：物種多度數據
3.4.2 R模式：物種有一無數據
3.4.3 R模式：定量和序數數據(除物種多度外的數據)
3.4.4 R模式：二元數據(除物種多度外的數據)
3.5 物種數據的預轉化
3.6 小結
第4章 聚類分析
4.1 目標
4.2 聚類概述
4.3 基於連接的層次聚類
4.3.1 單連接聚合聚類
4.3.2 完全連接聚合聚類
4.4 平均聚合聚類
4.5 ward最小方差聚類
4.6 靈活聚類
4.7 解讀和比較層次聚類結果
4.7.1 引言
4.7.2 同表型相關
4.7.3 尋找可解讀的聚類簇
4.8 非層次聚類
4.8.1 A一均值划分
4.8.2 圍繞中心點划分(PAM)
4.9 用環境數據進行比較
4.9.1 用外部數據進行類型比較(方差分析途徑)
4.9.2 雙類型比較(列聯表分析)
4.10 物種集合
4.10.1 組內數據簡單統計
4.10.2 KendaU共性系數(w)
4.10.3 基於有一無數據的物種集合
4.10.4 IndVal：物種指示值
4.11 多元回歸樹：約束聚類
4.11.1 引言
4.11.2 計算(原理)
4.11.3 使用mvpart和MVPARTwrap程序包運行MRT
4.11.4 組合MRT和[ndVal
4.11.5 作為時序型(ChronologiCal)聚類方法的MRT
4.12 另類途徑：模糊聚類
4.12.1 使用Cluster程序包內fanny()函數進行C一均值模糊聚類
4.13 小結
第5章 非約束排序
5.1 目標
5.2 排序概述
5.2.1 多維空間
5.2.2 降維空間內的排序
5.3 主成分分析(PCA)
5.3.1 概述
5.3.2 使用rda()函數對Doubs環境數據進行PCA分析
5.3.3 轉化后的物種數據PCA分析
5.3.4 PCA應用領域
5.3.5 使用PCA()函數進行PCA分析
5.4 對應分析(CA)
5.4.1 引言
5.4.2 使用vegan包里的CCa()函數進行CA分析
5.4.3 使用CA()函數進行對應分析
5.4.4 弓形效應和去趨勢對應分析(DCA)
5.4.5 多重對應分析(MCA)
5.5 主坐標分析(pcoa)
5.5.1 引言
5.5.2 利用CmdsCale包和vegan包對Doubs數據進行PC0A分析
5.5.3 使用pcoa()函數對Doubs數據進行pcoa分析
5.6 非度量多維尺度分析(NMDS)
5.6.1 引言
5.6.2 魚類數據NMDS分析
5.7 手寫排序函數
第6章 典范排序
6.1 目標
6.2 典范排序概述
6.3 冗余分析(RDA)
6.3.1 引言
6.3.2 Doubs數據集R：DA分析
6.3.3 手寫RDA函數
6.4 典范對應分析(CCA)
6.4.1 引言
6.4.2 Doubs數據集CCA分析
6.5 線性判別式分析(LDA)
6.5.1 引言
6.5.2 使用lda()函數進行判別式分析
6.6 其他非對稱分析
6.7 兩個(或多個)數據集的對稱分析
6.8 典范相關分析(CCorA)
6.8.1 引言
6.8.2 使用CCorA函數進行典范相關分析
6.9 協慣量分析(CoIA)
6.9.1 引言
6.9.2 使用ade4包進行協慣量分析
6.10 多元因子分析(MFA)
6.10.1 引言
6.10.2 使用FaCtoMineR進行多元因子分析
6.11 小結
第7章 生態學數據空間分析
7.1 目標
7.2 空間結構和空間分析：簡短概述
7.2.1 引言
7.2.2 誘導性空間依賴和空間自相關
7.2.3 空間尺度
7.2.4 空間異質性
7.2.5 空間相關或自相關函數和空間相關圖
7.2.6 空間相關檢驗的條件
7.2.7 模擬空間結構
7.3 多元趨勢面分析
7.3.1 引言
7.3.2 練習趨勢面分析
7.4 基於特征根的空間變量和空間建模
7.4.1 引言
7.4.2 基於距離的經典MEM(之前被稱為PCNM)
7.4.3 更廣泛的MEM：除地理距離外的權重
7.4.4 應該使用正空間相關還是負空間相關?
7.4.5 具有方向性的非對稱特征向量圖(AEM)
7.5 另外一種了解空間結構的途徑：多尺度排序
7.5.1 原理
7.5.2 甲蟎數據多尺度排序：探索性方法
7.5.3 去趨勢甲蟎物種和環境數據多尺度排序
7.6 小結
參考文獻
索引