STATISTIK-FORUM.de

Hi,

bei der Wahl von geeigeneten Ordinationsmethoden für die Analyse Multivariater Daten kann man entweder davon ausgehen, dass der Zusammenhang zwischen Outcome-Variablen und zugrundeliegenden Gradienten / Prediktoren linear ist (wie z.B. bei der PCA oder RDA) oder unimodal (wie z.B. bei einer CA oder CCA). Gibt es statistische Tests die dies untersuchen?

Ein Beispiel wäre: Ich habe an unterschiedlichen Orten unterschiedliche Spezies-Zusammensetzungen gemessen und suche nach einem geeigneten Plot um die Daten darzustellen. Wähle ich einen PCA oder CA Plot?

Danke

Hi,

PCA oder RDA) oder unimodal (wie z.B. bei einer CA oder CCA)

- Frage: Was bedeuten Deine Abkürzungen?

Gruß
S.

Hi: PCA = Principal Component Analysis, CA = Corespondence Analysis, RDA = Redundancy Analysis, CCA = Canonical Correspondence Analysis. Das sind alles multivariate Techniken verwandt mit der Faktorenanalyse die auf Ordination Methoden beruhen, wobei PCA und RDA lineare Zusammenhänge voraussetzen und CA und CCA unimodale Zusammenhänge.

Hi,

- das iss ja n Rundumschlag.
- am besten aber hier: zunächst detailliert konkret das mitteilen, um was es geht.
(nicht zum Beispiel irgendwas...)

Gruß
S.

Vielleicht habe ich mich missverständlich ausgedrückt, ich habe genau eine Frage und die ist ziemlich spezifisch.

Meine Fragestellung ist: Wenn ich Messungen an unterschiedlichen Orten von unterschiedlichen Variablen habe (z.B. Spezies Anzahlen), wie teste ich ob die Abhängigkeit des mutivariaten Outcomes (z.B. Spezies und deren Zahl in abh vom Ort) von zugrundeliegenden Gradienten/Faktoren/Umweltvariablen unimodal ist oder linear?

Darauf basierend würde man z.B. entscheiden, ob man eine Principal Component Analysis (PCA) (nimmt lineare Zusammenhänge an) oder eine Correspondence Analysis (CA) anwendent.

Danke

Hi,

wie teste ich ob die Abhängigkeit des mutivariaten Outcomes (z.B. Spezies und deren Zahl in abh vom Ort) von zugrundeliegenden Gradienten/Faktoren/Umweltvariablen unimodal ist oder linear?
Principal Component Analysis (PCA) (nimmt lineare Zusammenhänge an) oder eine Correspondence Analysis (CA) anwendent.

- das bleibt für mich abstrakt, unspezifisch. Andere mögen das besser verstehen als ich.

Viell kannst du Dir die Grundlagen per Einführung in die Thematiken selber erarbeiten mittels folgender (seriöser) Einführungen und Deine Frage dann beantworten:

- PCA
http://www.uwe-mortensen.de/fakanalysews0506b.pdf

- CA
http://www.uwe-mortensen.de/caneu1c.pdf

Gruß
S.