科研人員提出新方法評估典范分析中解釋變量的相對重要性

典范分析（canonical analysis）是生態學多元統計的核心分析方法，主要用于量化環境因子（解釋變量）對多物種生物群落（響應變量）的決定作用。由于涉及參數較多，典范分析中的對具有多重共線性的解釋變量的相對重要性評估是個尚未解決的難題。以往的分析使用簡單效應（simple effect）、邊際效應（marginal effect）或條件效應（conditional effect）作為相對重要性的評估指標，但這些指標受多重共線性的影響可能導致不準確評估。

近期，中國科學院植物研究所馬克平研究組等將統計學中“層次分割”的理論應用于典范分析，并將層次分割與變差分解建立起數學聯系，認為可以通過平均分配共同解釋的組分與邊際效應之和獲得單個解釋變量所分配的解釋率，通過比較單個變量解釋率來評估典范分析共線性的解釋變量相對重要性?？蒲腥藛T同時開發了基于R語言平臺的rdacca.hp包來實現上述方法，并采用公開的歐洲Doubs河流的魚類分布與10種環境因子的經典案例數據進行方法和rdacca.hp包的使用演示，以方便國內外同行對結果進行重復和檢驗。

業界專家認為，該研究和配套的R包為多變量模型的解讀和模型篩選做出了非常有價值的貢獻，厘清了各種判斷指標之間的關系，解決了長期困擾典范分析的一個難題。

相關成果發表于生態學期刊Methods in Ecology and Evolution，與論文配套的rdacca.hp包發表在R語言官方網站。研究得到科技部、中科院的資助。(生物谷Bioon.com）