【R语言】冗余分析如何在RStudio中实现及结果解读（含代码）

一.RDA介绍

冗余分析(redundancy analysis，RDA)是一种回归分析结合主成分分析的排序方法，也是多因变量回归分析的拓展。从概念上讲，RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析，RDA进行排序的时候使用的是线性模型。

RDA图中使用点代表不同的样本，从原点发出的箭头代表不同的环境因子。

箭头的长度代表该环境因子对群落变化影响的强度，箭头的长度越长，表示环境因子的影响越大。

箭头与坐标轴的夹角代表该环境因子与坐标轴的相关性，夹角越小，代表相关性越高。样本位于箭头同方向，表示环境因子与样本物种群落的变化正相关，样本位于箭头的反方向，表示环境因子与样本物种群落的变化负相关。

环境因子与响应变量之间的夹角代表它们之间的相关性，夹角为锐角，代表正相关；夹角为钝角，代表负相关；夹角为直角，代表无相关性。

二.RDA与PCA的区别

1.分析目的：

PCA是一种非约束排序方法，主要用于降维和特征提取。它通过正交变换将原始数据集中的多个变量转换为少数几个不相关的主成分，从而减少数据的维度；（主要用于降维）

RDA是一种约束排序方法，它结合了回归分析和PCA。RDA用于探索响应变量（因变量）与预测变量（自变量/环境因子）之间的关系。（主要用于探索多个自变量与因变量之间的关系）。

2.应用场景：

PCA常用于高维数据集的降维，将数据从高维空间投影到低维空间，有助于提高计算效率和数据可视化；

RDA则多用来阐述环境因子对样本菌群结构变化的影响，不仅可以反映样本、物种和环境因子之间的相关性，而且可以找出对物种分布变化影响程度较大的环境因子。

3.对数据的要求： <