Sazlık alanları ile ilgili verileri analiz ediyorum. Ölçtüğüm değişkenler su derinliği, sazlık yüksekliği, saz yoğunluğu, vb. Bazı değişkenler bağımlı olduğundan, bu değişkenleri 2 PCA-ekseni (N = 104) düşürmek için bir PCA gerçekleştirdim.Daha fazla analiz için PCA eksenlerinin ayıklanması
y<-rda(nestendca2)
summary(y)
PC1 PC2
Waterpeil 13.816422 -2.312641
hoogte_max 0.094747 -0.014497
Som 2.955029 10.812549
Leeftijd_riet 0.016476 0.019629
PFD 0.007361 -0.003386
oppervlakte 0.052943 0.039657
: Bunu yapmış
row.names Waterpeil hoogte_max Som Leeftijd_riet PFD oppervlakte onderlaag_num afst_rand
1 1 5 2.5 51 0.15686274 1.616921 8.127192 2 24.154590
2 3 9 2.5 44 0.13636364 1.564643 9.023642 2 8.349288
3 4 0 2.5 84 0.30952381 1.352548 8.498775 2 26.226896
4 5 0 3.5 58 0.43103448 1.384183 9.301617 1 57.320000
5 6 40 2.5 52 0.42307692 1.361262 10.316058 1 45.470000
6 7 5 3.0 19 0.00000000 1.429287 9.927788 1 36.720000
7 9 0 2.5 64 0.28125000 1.355100 8.029911 2 19.560000
8 11 120 3.5 29 0.03448276 1.336117 11.147484 1 252.630000
9 14 0 2.0 27 0.07407407 1.847756 7.445060 2 1.864342
10 16 20 2.5 57 0.24561404 1.582308 8.425177 2 9.490196
11 17 5 3.0 54 0.01851852 1.348305 9.315008 2 15.960000
12 18 0 1.5 5 1.00000000 1.643657 8.063648 2 6.526300
13 21 0 2.0 18 0.05555556 1.394964 8.752185 2 37.576955
14 22 20 2.0 48 0.16666667 1.617045 8.911028 1 11.592383
15 25 0 2.5 71 0.42253521 1.749114 7.271499 2 6.572772
16 26 0 2.0 50 0.30000000 1.464582 7.349908 2 9.849276
17 27 5 2.5 61 0.34426229 1.511217 8.379012 2 14.082827
18 28 5 2.0 123 0.06504065 1.538188 8.271017 2 11.658142
19 29 100 3.0 75 0.44000000 1.896483 7.968603 1 9.071897
20 30 100 3.0 95 0.55789474 1.768147 8.367626 1 2.300783
21 32 0 3.0 74 0.45945946 1.458793 9.453464 2 57.210000
22 33 15 3.0 66 0.24242424 1.572704 7.620507 1 8.700000
23 34 5 3.0 83 0.38554217 1.436063 11.636262 1 50.613265
24 35 5 2.5 58 0.31034483 1.313440 9.370347 2 52.605041
25 36 20 2.5 91 0.28571429 1.544032 8.451961 1 9.713351
26 37 10 2.5 34 0.23529412 1.524725 9.348687 2 6.920026
27 38 20 2.5 48 0.41666667 1.584892 7.780915 1 11.302639
28 39 40 2.5 51 0.15686274 1.535552 6.994035 1 18.999423
29 40 35 2.5 48 0.45833333 1.460579 9.073331 1 12.869075
30 41 5 3.0 58 0.43103448 1.747669 7.628542 2 3.860225
31 42 25 2.5 36 0.52777778
, bu ilk iki eksen için çıktıdır:
PCA yürütülmesi için My veri şöyle R. içinde vegan
paketini kullanılan
Şimdi bu iki ekseni lojistik regresyonda uygulamak ve bu alanlarda üreyen bir yırtıcı kuşun üreme başarısı ile ilişkilendirmek istiyorum.
Bunu nasıl yapabilirim? Eğer princomp paketini kullanırsanız
Lütfen durumunuzu tekrar üretilebilir hale getirin, yani durumunuzu taklit etmek için gereken verileri ve kodu sağlayın. Bunun nasıl yapılacağı hakkında daha fazla ipucu için http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example adresine bakın. –