由于解释变量的共线性普遍存在,获取每个(组)解释变量的相对重要性仍然充满挑战。赖江山博士首次将统计学中的层次分割(Hierarchical Partitioning)和变差分解(共性分析)建立数学联系,并扩展应用到到典范分析中,同时开发了rdacca.hp包以获取单个解释变量的解释率。本讲座将介绍层次分割的原理和rdacca.hp使用中的常见问题。
4月7日,受HelloBD与生态学文献分享公众号共同邀请,中国科学院植物研究所赖江山博士主讲了《用层次分割获取典范分析解释变量相对重要性》,该场报告由浙江农林大学胡文浩博士主持,通过腾讯会议、腾讯直播、B站直播等平台实时直播,参加直播的听众超过80...
由于解释变量的共线性普遍存在,获取每个(组)解释变量的相对重要性仍然充满挑战。赖江山博士首次将统计学中的层次分割(Hierarchical Partitioning)和变差分解(共性分析)建立数学联系,并扩展应用到到典范分析中,同时开发了rdacca.hp包以获取单个解释变量的解释率。本讲座将介绍层次分割的原理和rdacca.hp使用中的常见问题。