?

PERMANOVA+为您提供了传统线性模型的所有优势
，同时摒弃了如果。

?

PERMANOVA+是PRIMER v7的附加包
，扩大了基于类似性的步骤
，允许分析响应于多成分抽样设计、复杂尝试和/或梯度的多元（或单变量）数据。数据云直接在选择的类似性怀抱的空间中建模
，维持了根基的矫捷性。通过正确构建有关的检验统计量和复杂的分列算法实现了正式的揣度
，使其成为无散布的步骤。您所要做的就是相识您的设计；PERMANOVA+会替您处置所有难题的事件。

?

?

?

1、分区

PERMANOVA将多元异质空间中的变异进行分区
，以测试复杂设计的如果
，蕴含固定或随机成分、交互作用以及分层（嵌套）结构和/或协变量。

?

2、建模

在响应于环境（或其他）陆续变量的基础上对多元数据进行建模
，使用基于距离的冗余分析（dbRDA）。使用信息尺度和挨次前提分列测试来索求关系
，进行模型选择并实现简约性。

?

3、分类与预测

通过主坐标的典型分析（CAP）执行基于类似性的判断分析
，使用交叉验证。将新样本分配给现有组
，或预测新样本沿陆续梯度的地位。

?

PERMANOVA+复杂设计分析的前沿

• 用于多响应数据的多成分ANOVA、ANCOVA设计或多沉回归模型。
• 在类似性怀抱的基础上进行分析
  ，或选择欧几里得距离以获得传统了局。
• 通过对设计和逻辑的详细关注推算检验统计量。
• 通过先进的分列技术获得所有p值
  ，实现壮大、严格、无散布的靠得住了局。
• 在PRIMER v7 Windows环境中无缝集成。
• 在PRIMER中
  ，将复杂的多元分析步骤与您已经喜欢的所罕见据处置和可视化工具并列。

?

PERMANOVA

• 直接分区多元数据
  ，基于选择的类似性矩阵。
• 多成分设计、交互作用、固定或随机成分、嵌套或交叉、非对称。
• 自动鉴别给定设计中的所有隐含项
  ，拥有归并或移除项的能力。
• 基于均方进展（EMS）构建的检验统计量。
• 分列算法允很多档次设计并思考模型中的其他项。
• 两两比力和用户指定的对比。
• 效应大幼/方差成分的估计。
• 质心之间的距离揭示了因子结构中的显着模式。
• 不平衡或无复造设计（宰割区块、随机区块等）；选择SS的类型。

?

PERMDISP

?

?

?

• 基于任一类似性怀抱测试组内多元离散度的均匀性。
• PERMANOVA的补充
  ，专一于分歧组中点的变异性
  ，即点的“分散”水平。
• 合用于天然系统的生态β多样性钻研或遗传变异钻研。

?

DISTLM / dbRDA

• 相识多元数据云中的几多变异是由一个或多个诠释变量诠释的。
• 在这里
  ，基于距离的多元多元回归分析得以实现：
• 个别回归器的边际和挨次分列测试；
• 使用前向、后向、逐步或较优步骤进行变量选择；
• 用于模型比力的信息尺度的多元分析仿照（AIC、AICc、BIC、调整的R2）；
• 分组或单独分析变量集中；
• 使用基于距离的冗余分析（dbRDA）排序可视化拟合值。

?

CAP

?

?

• 使用主坐标的典型分析（CAP）在选择的类似性怀抱空间中执行判断分析。
• 留一法交叉验证提供了先验组的统计丈量的分辨力。
• 将新样本分配给现有组
  ，或预测新样本沿陆续梯度的地位。
• 合用于环境监测打算、状态分析或使用新数据验证聚类了局。

?

?

?

• ?