Kokkuvõte rühmitamise kohta
Lõpetuseks, kuna ka ordineerimismeetodid on pigem kirjeldavad, siis on graafikute esitamine analüüsi käigus oluline. Sama oluline on leitud kanooniliste kordajate kaudu arvutatud skooride kasutamine edasises statistilises analüüsis. Neid võib näiteks klasterdada, püüdes leida veel mingeid seoseid liikide koosluse ja mistahes andmestikus olevate faktorite vahel.
Me saame testida hüpoteesi, et aastad on liikide koosluse jaoks olulise tähtsusega. Selleks kasutatakse vegan funktsiooni envfit, (lühend environmental fitting) mille üheks parameetriks ehk funktsioontunnuseks on ordinatsioonimudeli nimi, ning faktoriteks keskkonnategurid, näiteks fosfor ja lämmastik, nagu järgnevas näites.
mudel <- envfit(ord~ P+N,na.rm=T, perm = 999)
mudel
Permutatsioonitestiga, mis tellitakse parameetri perm=999 abil, testitakse hüpoteesi - P ja N mõjutavad liikide kooslust (peakomponentide alusel).
perm=999 tähendab, et testimiseks võetakse 999 juhuslikku valimit meie andmetest.
Kuna näiteandmestikus vastavad keskkonnanäitajad puuduvad ja see on üldse uus teema, siis jäägu siinkohal näide toomata. Läheneme lõpule.
Me saame testida hüpoteesi, et aastad on liikide koosluse jaoks olulise tähtsusega. Selleks kasutatakse vegan funktsiooni envfit, (lühend environmental fitting) mille üheks parameetriks ehk funktsioontunnuseks on ordinatsioonimudeli nimi, ning faktoriteks keskkonnategurid, näiteks fosfor ja lämmastik, nagu järgnevas näites.
mudel <- envfit(ord~ P+N,na.rm=T, perm = 999)
mudel
Permutatsioonitestiga, mis tellitakse parameetri perm=999 abil, testitakse hüpoteesi - P ja N mõjutavad liikide kooslust (peakomponentide alusel).
perm=999 tähendab, et testimiseks võetakse 999 juhuslikku valimit meie andmetest.
Kuna näiteandmestikus vastavad keskkonnanäitajad puuduvad ja see on üldse uus teema, siis jäägu siinkohal näide toomata. Läheneme lõpule.