El análisis de correspondencia sin tendencia (DCA) es una técnica estadística multivariante ampliamente utilizada por los ecólogos para encontrar los principales factores o gradientes en matrices de datos grandes, ricas en especies pero generalmente escasas que tipifican los datos de comunidades ecológicas . El DCA se utiliza con frecuencia para suprimir los artefactos inherentes a la mayoría de los otros análisis multivariados cuando se aplica a los datos de gradiente . [1]
Historia
DCA fue creado en 1979 por Mark Hill del Instituto de Ecología Terrestre del Reino Unido (ahora fusionado con el Centro de Ecología e Hidrología ) y se implementó en el paquete de código FORTRAN llamado DECORANA (Análisis de correspondencia sin tendencia), un método de análisis de correspondencia . En ocasiones, DCA se denomina erróneamente DECORANA; sin embargo, DCA es el algoritmo subyacente, mientras que DECORANA es una herramienta que lo implementa.
Problemas resueltos
Según Hill y Gauch, [2] DCA suprime dos artefactos inherentes a la mayoría de los otros análisis multivariados cuando se aplica a datos de gradiente . Un ejemplo es una serie temporal de especies de plantas que colonizan un nuevo hábitat; las especies de sucesión temprana son reemplazadas por especies de sucesión media, luego por especies de sucesión tardía (ver ejemplo a continuación). Cuando dichos datos se analizan mediante una ordenación estándar , como un análisis de correspondencia:
- los puntajes de ordenación de las muestras exhibirán el 'efecto de borde', es decir, la varianza de los puntajes al principio y al final de una sucesión regular de especies será considerablemente menor que en el medio,
- cuando se presentan como un gráfico, se verá que los puntos siguen una curva en forma de herradura en lugar de una línea recta ('efecto arco'), a pesar de que el proceso bajo análisis es un cambio constante y continuo que la intuición humana preferiría ver como una línea lineal. tendencia.
Fuera de la ecología, los mismos artefactos ocurren cuando se analizan los datos de gradiente (por ejemplo, propiedades del suelo a lo largo de un transecto que corre entre 2 geologías diferentes, o datos de comportamiento durante la vida útil de un individuo) porque la proyección curva es una representación precisa de la forma de los datos en espacio multivariado.
Ter Braak y Prentice (1987, p. 121) citan un estudio de simulación que analiza modelos bidimensionales de empaquetamiento de especies que dan como resultado un mejor rendimiento de DCA en comparación con CA.
Método
DCA es un algoritmo iterativo que ha demostrado ser una herramienta muy confiable y útil para la exploración y el resumen de datos en la ecología comunitaria (Shaw 2003). Comienza ejecutando una ordenación estándar (CA o promedio recíproco) en los datos, para producir la curva de herradura inicial en la que el primer eje de ordenación se distorsiona en el segundo eje. Luego divide el primer eje en segmentos (predeterminado = 26) y cambia la escala de cada segmento para tener un valor medio de cero en el segundo eje; esto aplasta efectivamente la curva. También cambia la escala del eje para que los extremos ya no estén comprimidos en relación con el medio, de modo que 1 unidad de DCA se aproxime a la misma tasa de rotación a lo largo de los datos: la regla general es que 4 unidades de DCA significan que hay Ha sido un cambio total en la comunidad. Ter Braak y Prentice (1987, p. 122) advierten contra el cambio de escala no lineal de los ejes debido a problemas de robustez y recomiendan utilizar únicamente la eliminación de tendencia por polinomios.
Inconvenientes
No hay pruebas de significancia disponibles con DCA, aunque hay una versión restringida (canónica) llamada DCCA en la que los ejes son forzados por regresión lineal múltiple a correlacionarse de manera óptima con una combinación lineal de otras variables (generalmente ambientales); esto permite probar un modelo nulo mediante análisis de permutación Monte-Carlo .
Ejemplo
El ejemplo muestra un conjunto de datos ideal: los datos de las especies están en filas, las muestras en columnas. Para cada muestra a lo largo del gradiente, se introduce una nueva especie pero otra especie ya no está presente. El resultado es una matriz escasa. Los unos indican la presencia de una especie en una muestra. Excepto en los bordes, cada muestra contiene cinco especies.
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | dieciséis | 17 | 18 | 19 | 20 | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
SP1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP2 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP3 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP4 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP5 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP6 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP7 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP8 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP9 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP10 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP11 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
SP12 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
SP13 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
SP14 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 |
SP15 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 |
SP16 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 |
SP17 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 |
SP18 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 |
SP19 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 |
SP20 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 |
El gráfico de los dos primeros ejes del resultado del análisis de correspondencia en el lado derecho muestra claramente las desventajas de este procedimiento: el efecto de borde, es decir, los puntos están agrupados en los bordes del primer eje y el efecto de arco.
Ver también
- Eigenanálisis
- Ordenación (estadísticas)
- Seriación (arqueología) : incluidos ejemplos adicionales del efecto arco
- Análisis de componentes principales
Referencias
- Hill, MO (1979). DECORANA - Un programa FORTRAN para análisis de correspondencias sin tendencia y promedios recíprocos . Sección de Ecología y Sistemática, Universidad de Cornell, Ithaca, Nueva York, 52pp.
- Hill, MO y Gauch, HG (1980). Análisis de correspondencia sin tendencia: una técnica de ordenación mejorada. Vegetatio 42 , 47–58.
- Oksanen J y Minchin PR (1997). La inestabilidad de los resultados de ordenación ante cambios en el orden de los datos de entrada: explicación y remedios. Revista de ciencia de la vegetación 8 , 447–454
- Shaw PJA (2003). Estadística multivariante para las ciencias ambientales . Londres: Hodder Arnold
- Ter Braak, CJF y Prentice, IC (1988). Una teoría del análisis de gradiente. Advances in Ecological Research 18 , 271–371. ISBN 0-12-013918-9 . Reimpreso en: Ter Braak, CJF (1987). Modelos unimodales para relacionar especies con el medio ambiente . Wageningen: Grupo de tesis de doctorado en matemáticas agrícolas, 101-146.
enlaces externos
- PAST (PAleontological STatistics) : software gratuito que incluye DCA con modificaciones de acuerdo con Oksanen y Minchin (1997)
- WINBASP : software gratuito que incluye DCA con eliminación de tendencias por polinomios según Ter Braak y Prentice (1988)
- vegan: Community Ecology Package para R - software libre que incluye la función decorana: Análisis de correspondencia sin tendencia y promedio recíproco básico de Hill y Gauch (1980)