北京天演融智软件有限公司
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 第四角问题
因为是四个基本矩阵的排列（参见dray和legendre（2008,fig.1a）和mccune 和grace（2002,fig.2.1）的形状x环境位置），所以通过样本单元x物种矩阵将物种性状与环境变量联系起来的方法问题被称为第四角问题。第四角分析提供了这些矩阵之间的链路强度的统计测试。第四角分析理论与数学的详细解释请参看legendre et al. (1997), dray和legendre (2008), ter braak et al, (2012), 和 dray et al. (2014)。
? 二元分类
如果已给变量中，有n个分类（每个分类级别有独特的值标签），然后将生成n个新的二进制（0/1）变量。每个新变量将被指定值为0或1的q变量。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 创造性状组合
通过组合来自两个现有变量的类别来创建一个新的分类变量。从两个选择变量中的每个类别的组合被视为新变量中的新类别。由此产生的新变量总是的。现有变量保留完整，但您可以通过modify|delete按钮很容易的将它删除。
例如，假设您有两个分类变量，一个是对原生与非本土物种的编码，一个是对一年生植物和多年生植物的编码。这可能在分析中发挥作用，如果这些物种的组合，例如，非本地一年生植物，在生态上与所有现存物种特别不同？因此，您可能希望用这些性状类别的所有四种组合来创造一个新的分类变量：（1）本地一年生植物，（2）原生多年生植物，（3）非天然一年生植物，（4）非天然多年生植物。
? 计算su x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（mccune 2015）。为了大化sux性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为小至大，然后计算每个样本单位的丰度加权性状平均值。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 凸包填充多边形
凸包是使用多边形包围一组中所有点的覆盖物。这个覆盖的目的是通过在排序或散点图中使用该组的外点来显示一个组的轮廓。这可以帮助用户辨别是否以及如何在散点图中分离或重叠组。形成凸壳的基本规则是，组中的外点以闭合多边形连接，使得相邻的段总是使内角小于或等于180度。绘制凸包需要至少三个点。然而，只有三点的凸包必须将这些点中的每一点作为多边形的顶点（角）。
? nms stress by iteration
实时显示nms每一次迭代的应力是如何变化的。显示的每一个步骤都在实时更新，改进排序空间中点的配置。这个图片很有趣，信息也很丰富。有趣的是您得到一个动态的、丰富多彩的、有趣的窗口到nms的进程中。对于每次运行和维度，您可以看到随着迭代次数的增加，应力降低。每个维度是彩色编码的，并且显示独立的面板用于真实和随机运行。这些图表的信息来自对nms替代方案的稳定性和一致性的洞察。不稳定的结构表现为垂直的锯齿形。一致性表现为在给定水平上的小应力平台。着维数的增加，维数的重要性表现为终应力的递减序列。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? gower distance,忽略0,0
gower(1971)和legendre以及lengendre（1998）提出了一个有趣的但未经测试的gower相似系数的变体，忽略了0,0数据对。如果这些双零点被认为是不明确的信息，那么可以从系数的计算中排除它们。双零点的敏感性在社区生态学的分析中产生了不必要的影响
(legendre & legendre 1989, p. 253; mccune & grace 2002, p. 38, 51)。
legendre和legendre (1998)提出了gower相似系数（s19）的修改版本，称之为 asymmetrical，因为匹配零点的处理不同于非零值。它与gower系数相同，但不包括定量变量（0,0）对,因此，部分相似度的总和不是由p变量划分的，而是由p*非（0,0）对的数目来划分的。
请注意，这种“不对称”的感觉不同于矩阵对称性。如果legendre的非对称版本gower的相似性被转换为距离（或相异性），并用于建立距离矩阵，这仍然是对称矩阵。换句话说，项目a和b之间的距离与b和a之间的距离相同，即使使用gower的相似性的不对称版本。为了避免这种混乱，pc-ord使用菜单系统中的术语gower, ignore 0,0，并输出文件。
? morisita-horn distance
horn（1966）修正了morisitad(1959)相似性度量，因而有了现在大家熟知的morista-horn的相似性或距离。这个距离度量的主要吸引力是它对取样工作相对不敏感（wolda 1981）。因此，对于不可能控制采样时间、面积或体积的情况有用。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
新的分析方法
? 第四角分析
通过样本单元x物种矩阵将物种性状与环境变量联系起来的方法学问题，因为是四个基本矩阵的排列（参看dray和legendre（2008，fig.1a）以及mccune和grace（2002,fig.2.1）的性状x环境位置），因此被称为第四角问题。第四角分析提供了这些矩阵之间的链路强度的统计测试。对于第四角分析的理论和数学的详细解释见legendre et al.(1997),dray和legendre(2008),ter braak et al,(2002)和dray et al.(2004)。
? fuzzy set (fso)
模糊集合排序应用模糊集合理论指导生态排序中的梯度分析。这种排序方法需要用户假设物种群落和环境变量或其他预测因子之间的关系。预测因子是常见的环境变量，但它们也可以是第二组物种群落，或任何与社区矩阵相同行数的定量数据集。社区数据被放置在主矩阵中，并且第二集合位于第二矩阵中。结果排序是物种空间中样本单位的排序。物种可以叠加在一个单一的加权平均步长排序。