Modellazione lineare basata sulla distanzaEssendo un ecologista, passo regolarmente da JMP a PRIMER, ma con ogni aggiornamento di JMP posso fare di più in JMP (e quindi meno bisogno di PRIMER). Tuttavia, PRIMER dispone di un algoritmo multivariato basato sulla matrice della distanza chiamato "modellazione lineare basata sulla distanza" (DistLM) che funziona essenzialmente come una regressione graduale (selezione del modello minimizzando BIC/AICc) sebbene con una matrice della distanza come input. È ottimo per coloro che cercano il modello migliore per spiegare le somiglianze e le differenze tra i campioni in un quadro multivariato. Sento che JMP ha già capacità di matrice di distanza E regressione graduale e, anche se so che è molto più complicato della regressione graduale univariata, penso che dovrebbe essere possibile sviluppare questa tecnica in JMP (così come il PERMANOVA più comunemente usato) . In realtà, non è necessario che sia DistLM, ma solo una qualsiasi incarnazione multivariata di regressione graduale. Per favore.
Modellazione predittiva e machine learningOggetto: Modellazione lineare basata sulla distanza - Stato modificato in: RiconosciutoCIAO @abmayfield , Grazie per il tuo suggerimento! Abbiamo acquisito la tua richiesta e la prenderemo in considerazione.
Ri: modellazione lineare basata sulla distanzaCiao,
Grazie mille per aver dato un'occhiata ai miei dati. Come conclusione simile a quella a cui sei arrivato, ho finito per dover eliminare diversi parametri ambientali (zona di barriera corallina e tipo di barriera corallina) perché o erano così sbilanciati o erano in scala con l'isola. Ho finito per usare solo 1) isola, 2) temperatura, 3) salinità, 4) ALCC, 5) profondità, 6), tempo di campionamento (proxy per la luce), 7) colore della colonia e 8) specie ospiti come fattori ambientali. Quindi, ho utilizzato solo uno dei due parametri di dimensione (lunghezza massima della colonia) poiché forniscono praticamente le stesse informazioni. Ho anche concluso che "host" è probabilmente il fattore più importante quando si utilizza PCA, regressione graduale e alcuni altri approcci su JMP.
Mi piace molto la tua idea di utilizzare la regressione graduale per i componenti principali e un altro staff di supporto tecnico di JMP lo ha consigliato, quindi lo verificherò presto. È interessante notare che ho utilizzato la regressione graduale per la distanza di Mahalanobis poiché sono interessato a quei campioni che sono più diversi (valori anomali) e un modello più adatto che include isola, host e ALCC (copertura di corallo) ha prodotto il BIC minimo e un aggiustato r2 di 0,4 circa.
Spero ancora che JMP possa sviluppare una piattaforma multivariata basata sulla distanza per scoprire la variazione ambientale in futuro (in modo simile a PRIMER), ma penso che la regressione graduale delle coordinate PC e/o MDS sarà una buona soluzione nel nel frattempo. Grazie ancora per il vostro aiuto.
Ri: modellazione lineare basata sulla distanzaAnderson,
Grazie per la pratica tabella JMP.Uno schema delle fasi di analisi sono:
- Eseguire il ridimensionamento multidimensionale sulle colonne lunghezza massima (cm) attraverso Sym ubiq-lig specificando il formato dei dati come Attributi e ha chiesto 3 dimensioni. Non ho familiarità con questi dati e non ho alcun contesto, quindi ho specificato Trasform Nessuno .Poi salva le dimensioni. Ciò consente di risparmiare i punteggi Dimensione 1 - Dimensione 3.Il grafico della Dimensione 2 rispetto alla Dimensione 1 mostra alcuni gruppi. Tuttavia, ho poca esperienza con MDS e più con Ptincipal Components ...
- Ran Principal Components su queste stesse variabili. Di seguito è riportato uno screenshot del file std. componenti del clustering delle variabili e la matrice di caricamento delle variabili.Prin1 è una mtrix per le variabili Sym ad eccezione di Sym GCP; Prin2 sembra essere correlato alla taglia e Prin3 ad alcune caratteristiche genetiche. Salva i primi 3 componenti.
- Le variabili dei caratteri sembrano difficili da lavorare e penso che dovresti assegnarle un punteggio, come la temperatura o la salinità. Ho appena aggiunto alcuni valori di ordinamento come il colore, li ho ordinati come normali, pallidi, molto, pallidi, sbiancati. A questo punto puoi usare stepwise per le 3 risposte Prin1, Prin2 e Prin3. Tuttavia, quando ci sono variabili come Paese e Isola, mi piace osservare le caratteristiche. Questi sembrano dati disponibili. Di seguito sono riportati tre esempi.Non conoscendo questi dati e il fatto che alcune caratteristiche sono nidificate (specifiche) rispetto ad altre, come Island o Host, e tutti gli effetti sono nominali, non consiglierò alcun metodo specifico né fornirò un'analisi.Tuttavia, Host, salinità e colore sembrano essere importanti.Tracciare le dimensioni oi componenti principali per Host per vedere i risultati
reef zonereef zonereef zonereef zonezona della scogliera
reef typereef typereef typereef type tipo di scogliera
salinity vs. hostsalinity vs. hostsalinity vs. hostsalinity vs. hostsalinità vs ospite
Non sono un biologo e ho visto solo un paio di video che mostrano esempi di Primer.Questo era inteso come un FYI.
Ri: modellazione lineare basata sulla distanzaJMP+pratica+dati.jmp
Ciao,
Grazie per il vostro interesse per la mia domanda/richiesta. Cos'è questo raggruppamento spaziale di cui parli? clustering gerarchico? So come creare una matrice di distanza in JMP utilizzando l'analisi dei cluster: semplicemente non so come scoprire i fattori più importanti nella modellazione delle relazioni/somiglianze all'interno della matrice. Ecco un piccolo set di dati con cui ho lavorato. Ci sono circa 9 risposte varie (continue) e 10-12 parametri ambientali (come dati di carattere). Vorrei vedere quali parametri ambientali (o loro combinazioni) modellano meglio la somiglianza tra i campioni (utilizzando la risposta multivariata di tutte e 9 le variabili di risposta). È realizzabile in JMP (ovvero, regressione graduale multivariata)? Mi è stato detto "no" in precedenza, ma forse mi è stato detto per errore!
Grazie,
Anderson
Ri: modellazione lineare basata sulla distanzaHo appena esaminato diversi video sull'utilizzo di PRIMER, DistLM. Sembra che il metodo che utilizza sia un tipo di analisi multivariata sulle metriche di qualità biologica (le caratteristiche, come il conteggio delle specie o la qualità delle specie), utilizzando MDS (MultiDimensional Scaling) su attributi o componenti principali. Quindi DistLM viene eseguito su PC1 o PC2 che è una regressione graduale o tutte le possibili regressioni su fattori potenziali.
Questo è probabilmente fattibile in JMP ma non in una singola interfaccia GUI.Sono davvero impressionato dai cluster spaziali di JMP.
Non sto minimizzando la tua richiesta di piattaforma ambientale. Il mio obiettivo è proporti che JMP potrebbe fornirti una soluzione oggi.
Se disponi di un set di dati condivisibile, come quello analizzato in questo video di Keith Guiness, pubblicalo e uno dei guru di JMP potrebbe provarci.
Grazie per il post, ha offerto una strada per imparare qualcosa di nuovo.
