绘制的 envfit 向量与 NMDS 分数不匹配

我制作了一个 NMDS 图并绘制了我的环境，如下所示

mytable 的数据框

sites=c("Site A","Site B","Site C","Site D","Site E","Site F","Site 
G","Site H","Site I","Site J","Site K","Site L","Site M","Site N","Site O","Site P","Site Q","Site R","Site S","Site T","Site U")
american.elm=c(41.91,10.11,2.62,5.31,7.51,9.72,17.44,9.06,19.83,30.81,62.6,21.29,20.7,28.68,27.69,34.89,35.65,3.87,12.68,1.58,2.97)
white.birch=c(7.07,15.89,26.77,15.61,14.59,6.33,2.23,11.66,21.49,20.15,7.61,23.29,0,0,0,0,0,0,0,56.09,42.34)
red.oak=c(0,0,0,0,0,0,0,0,0,0,0,6.02,0,0,0,0,0,0,0,0,0.05)
populus.grand=c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0.11,0)
beech=c(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2.36,5.45)
sugar.maple=c(0.49,2.64,3.35,4.6,3.37,2,1.32,4.21,4.13,3.61,0.34,1.2,0,0,0,0,0,0,0,2.19,0.09)

mytable <- data.frame(sites,american.elm,red.oak,populus.grand,beech,sugar.maple)
mytable<-mytable[,2:ncol(mytable)]

Then

library(vegan)

mytable.NMDS=metaMDS(mytable, distance = "jaccard", k = 4, trymax = 2000, autotransform=FALSE)

plot.mytable<-data.frame(mytable.NMDS$points)
plot.mytable
par(mar=c(3,3,2,5) ,mgp=c(1.8,0.75,0))
plot(plot.mytable$MDS1, plot.mytable$MDS2, pch=16, cex=1, col="black",
     xlab="NMDS1", ylab="NMDS2", cex.lab=1, cex.axis=1, main="", bty="L",
     mai=c(0,0,2,10), xlim=c(-1.5,1.3), ylim=c(-0.9,1))

fit <- envfit(mytable.NMDS, mytable, choices=c(1,2,3))
fit.plot = plot(fit, cex=1.3, col="red", xlim=c(-1.5,1.3), ylim=c(-1.2,1.2),
                xlab="NMDS1",ylab="NMDS2")

树木的 NMDS 分数是这样的

fit

# Table of the NMDS score of the trees
Trees=c("american.elm","red.oak","populus.grand","beech","sugar.maple")
Tree.NMDS1=c(-0.76538,-0.1533,0.36065,0.25411,0.49583)
Tree.NMDS2=c(-0.27961,0.06605,-0.51345,-0.79497,0.84299)
Tree.NMDS.scores=data.frame(Trees,Tree.NMDS1,Tree.NMDS2)
# Overlay the NMDS score on the plot
points(Tree.NMDS.scores$Tree.NMDS1,Tree.NMDS.scores$Tree.NMDS2,
       col="red", pch=16)

我想知道为什么矢量箭头的末尾与给出的 NMDS 分数不匹配envfit()功能？

您在表中看到的值是线性回归的归一化系数，用于将向量投影到排序中。这些都是方向对于单位长度的箭头。绘制时，我们通过它们相关性的平方根来缩放这些箭头。因此，相关性较小的箭头比相关性较强的箭头用更短的箭头表示。您可以使用以下命令获得这些缩放的箭头长度scores() method:

> scores(fit, "vectors")
                    NMDS1       NMDS2      NMDS3
american.elm  -0.73129278 -0.26985224 -0.5479775
red.oak       -0.06624995  0.03042562  0.4270764
populus.grand  0.21774166 -0.31045377  0.4862402
beech          0.22772624 -0.70982231  0.4990966
sugar.maple    0.33541356  0.56604306 -0.1245767

但请注意，这些也不是图中箭头的实际坐标。由于这些只是方向，即使我们根据各个箭头与排序轴的相​​关性的强度缩放了各个箭头的长度，我们也可以将所有箭头缩放相同的量，以使它们更好地填充绘图空间。

这一切都在?envfit。这是相关部分：

连续变量（向量）的打印输出给出 方向余弦是单元头的坐标 长度向量。在plot这些是根据它们的相关性来缩放的 （列的平方根r2） 以便weak预测者有 箭头比短strong预测因子。你可以看到缩放后的 使用命令的相对长度scores. The plot特德（和 缩放）箭头进一步调整为当前图形使用 常数乘数：这将保持相对r2- 缩放的 箭头的长度，但尝试填充当前的绘图。你可以 使用查看乘数ordiArrowMul(result_of_envfit)，并设置 它与论证arrow.mul.

如果我们遵循建议，我们会看到：

> ordiArrowMul(fit)
[1] 1.031244

这意味着我们乘以scaled箭头大约3%。

> scrs <- scores(fit, "vectors", choices = 1:2)
> scrs * ordiArrowMul(fit)
                    NMDS1      NMDS2
american.elm  -0.73819522 -0.2723993
red.oak       -0.06687526  0.0307128
populus.grand  0.21979686 -0.3133840
beech          0.22987567 -0.7165221
sugar.maple    0.33857942  0.5713858

将所有这些与您的绘图代码结合在一起，这就是我们如何得到由plot.envfit:

plot(mytable.NMDS, display = "sites", type = "n")
points(mytable.NMDS, display = "sites", pch = 19, col = "black")
plot(fit, col = 'red')

## add the locations of arrow heads as blue points to see if the correspond
points(scrs * ordiArrowMul(fit), col = "blue")

这就是我们得到的

请注意我如何使用现有的plot方法和提取器函数，例如scores()处理由以下对象生成的对象vegan并从组成部分构建图。以这种方式做事可以避免您 i) 必须输入您已经可用的信息，以及 ii) 当我们更改纯素对象的内部表示或内部存储的值是需要后续转换/处理的实际工作数据时，就会受到影响产生有效或可解释的值。尽可能避免使用$翻找物体。