Grafiken und Statistik in R

4.4 Clusteranalyse
# scale="column", # standardisieren
dendrogram = "column" # welches dendrogramm "both","row","column","none"
# weitere Argumente s. '?heatmap.2'
)
sortierung # Sortierung ausgeben
title("Rowv=FALSE\nSortierung aus/an") # Titelei
# rm(list=ls()) # alles löschen
detache(package:palaeo) # Paket entfernen: Steve Juggins Paket
detache(package:gplots) # Paket entfernen: für heatmap.2()
detache(package:vegan) # Paket entfernen: für besseres Distanzmaß vegdist()
detache(package:plotrix) # Paket entfernen: für gradient.rect() - Legende
4.4.11 Entscheidungs„hilfe“ Distanzmaß
4 Statistik
Die folgenden „Bestimmungswege“ sind aus Legendre und Legendre (1998) S.299 19 . Siehe auch am Ende der
„Bestimmungswege“: Tabelle 3 auf Seite 111.
Zur Berechnung von Distanzmaßen stehen folgende Funktionen zur Verfügung:
dist(...) – stats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . allg./gängige Distanzmaße
Dist(...) – amap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . allg./gängige Distanzmaße
distance(...) – (ecodist) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . allg. + auch Mahalanobis Distanz
vegdist(...) – vegan . . . . . . . . . . . . . . . . . . . . . . . . . . . . auch spezielle Distanzen für Ökologie (z.B.: Bray-Curtis)
jaccard(...) – (prabclus) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Jaccard Distanz
kulczynski(...) – (prabclus) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kulczynski Distanz
� Im folgenden für Objekte Q - Modus, die mit Arten als Deskriptoren (asymmetrische Koeffizienten) assoziiert
werden sollen
1. Descriptors: presence-absence or ordered classes on a scale of relative abundances (no partial similarities
computed between classes)
2. Metric coefficients: . . . . . . . . . . . . . . . . . . coefficient of community (S7) and variants (S10, S11)
Semi metric coefficients: . . . . . . . . . . . . . . . . variants of the coef. community (S8, S9, S13, S14 )
Nonmetric coefficient: . . . . . . . . . . . . . . . . . . . Kulczynski (S12) (non-linear: not recommended)
2. Probabilistic coefficient: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . S27
1. Descriptors: quantitative or semiquantitative (states defined in such a way that partial similarities can be
computed between them)
3. Data: raw abundances
4. Coefficients without associated probability levels
5. No standardization by object; the same difference for either abundant or rare species, contributes
equally to the similarity between sites: . coefficients of Steinhaus (S17) and Kulczynski (S18)
5. Standardization by object-vector; differences for abundant species (in the whole data set) contribute
more than differences between rare species to the similarity (less to the distance) between sites:
χ 2 similarity (S21), χ 2 metric (D15), χ 2 dist. (D16), Hellinger dist. (D17)
4. Probabilistic coefficient: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . probabilistic χ 2 similarity (S22)
19 dabei entsprechen die Similarity-Indizes (Sindex) oder Distanz-Indizes (Dindex) denen aus dem Programm „R Package“ (http:
//www.bio.umontreal.ca/Casgrain/R/index.html), das es eigentlich nur für Mac gibt, aber wohl auch mit Windowsemulatoren
laufen soll
108