Dúvidas em relação a Análise de Correspondência Canônica

Boa tarde.

Surgiu uma dúvida ao formatar os dados para realizar a análise de correspondência canônica.

Os dados são referentes a variáveis ambientais para tentar relacionar estas a ocorrência de quatro espécies de aves.

Dentre essas variáveis ambientais, no momento da coleta de dados algumas foram quantitativas (número de arvores,...) e outras foram categóricas (por exemplo, presença de clareira: ausente, até 10% e mais que 10%).

O R Studio não aceita essas categóricas e apresenta erro (Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]) : contrasts can be applied only to factors with 2 or more levels).


Minha dúvida é, qual  a melhor maneira de contornar esse problema. Substituir as categorias por números (ausente por 0, até 10% por 1 e mais que 10% por 2) ou acrescentar colunas separadas (Clareira ausente, Clareira até 10% e Clareira mais que 10%) e colocar 0 e 1 como se fosse ausência e presença?


E aproveitando o tópico, teriam sugestões de literatura que ajudem a interpretar melhor o gráfico da CCA? Como não tenho muita experiência, tenho receio de deixar passar alguma informação importante já que ela não fornece valores da influência de cada variável nas espécies amostradas.
.

Muito obrigado.

Oi, Rafael!

Acho que podemos voltar um passo e olhar para os dados, pois a mensagem de erro sugere que o R teve algum problema ao ler suas variáveis categóricas. Pode ser algo que está acontecendo na cca, mas pode ser anterior, algo que está acontecendo com os dados.

Cole um summary() dos dados aqui, e vamos ver se dá alguma pista. Depois continuamos passo a passo, ok?

Para aprender multivariada, eu recomendo fortemente o Numerical Ecology with R, que além de já trazer tudo de forma prática para o R é muito didático.

Oi prof. Marcos, boa noite.


Segue o summary dos dados:


> summary(dados)

     Pontos          lado                 AMD              CAV                          ACA                        CLA    
            :12      Direita1 : 1       19,04  :4      Min.   :0.00000         Min.   :0.000           >10%   : 4  
Ponto_1 : 1      Direita10: 1       24,58  :4     1st Qu.:0.00000        1st Qu.:1.000         ate_10%:10  
Ponto_10: 1     Direita11: 1       12,9   :2      Median :0.00000       Median :1.000         ausente:10  
Ponto_11: 1     Direita12: 1       15,14  :2     Mean   :0.04167        Mean   :1.583              
Ponto_12: 1     Direita2 : 1        19,46  :2     3rd Qu.:0.00000       3rd Qu.:2.250              
Ponto_2 : 1      Direita3 : 1        19,54  :2     Max.   :1.00000        Max.   :4.000              
(Other) : 7      (Other)  :18        (Other):8                                                
     TREP              ARB                SER                PER1                     PER2                       PER3        
>10%   :12        >10%   : 5       >10%:24        Min.   :0.000          Min.   :0.000          Min.   :0.00000  
ate_10%:10       ate_10%:12                           1st Qu.:2.000        1st Qu.:0.000         1st Qu.:0.00000  
ausente: 2         ausente: 7                              Median :3.000        Median :1.000        Median :0.00000  
                                                                      Mean   :3.042        Mean   :1.167         Mean   :0.04167  
                                                                      3rd Qu.:4.000        3rd Qu.:2.000         3rd Qu.:0.00000  
                                                                      Max.   :7.000         Max.   :3.000          Max.   :1.00000  
                                                                                     
     PER4                       S_virgata              P_koeniswaldiana         M_choliba                 M_atricapilla  
Min.   :0.00000           Min.   :0.0000         Min.   :0.0                  Min.   :0.00               Min.   :0.0000  
1st Qu.:0.00000         1st Qu.:0.0000        1st Qu.:0.0                1st Qu.:0.00              1st Qu.:0.0000  
Median :0.00000        Median :1.0000       Median :0.5                Median :0.00             Median :0.0000  
Mean   :0.04167         Mean   :0.6667       Mean   :0.5                 Mean   :0.25             Mean   :0.4167  
3rd Qu.:0.00000        3rd Qu.:1.0000       3rd Qu.:1.0                3rd Qu.:0.25              3rd Qu.:1.0000  
Max.   :1.00000         Max.   :1.0000        Max.   :1.0                 Max.   :1.00               Max.   :1.0000  
                                                                                   
>

Oi, Rafel!

A variável SER está entrando na análise? Porque ela é um fator, mas tem um único nível. Atente para o final da mensagem de erro: "contrasts can be applied only to factors with 2 or more levels".

Desconfio que deva ser isso. Se puder, rode a análise sem ela, e depois diga se era isso mesmo, ok?

Oi prof. Marcos.


Retirei a variável SER e agora deu certo.
Como ela apresenta o mesmo valor para todos locais, o que eu faço? Excluo ela da análise ou substituo por algo?


E agora surgiram duas novas dúvidas:

1. No gráfico da CCA o nome de algumas variáveis e de alguns pontos amostrais ficaram sobrepostos. Tem como concertar isso? Pois alguns só dá para saber o que é olhando os valores dados na análise.


2. A análise gerou apenas até a CCA3 e não até a CCA4 conforme explicado no exemplo da aula. É normal? Penso que seja por não ter necessidade de ter uma quarta CCA já que a proporção explicada pela CCA3 é alta:

> summary(resultado.cca)

Call:
cca(X = bio, Y = amb)

Partitioning of scaled Chi-square:
                          Inertia Proportion
Total                  1.08472    1.00000
Constrained        0.99563    0.91787
Unconstrained     0.08909    0.08213

Eigenvalues, and their contribution to the scaled Chi-square

Importance of components:
                                   CCA1   CCA2   CCA3     CA1      CA2
Eigenvalue                  0.4455 0.4238 0.1264 0.08032 0.008774
Proportion Explained    0.4107 0.3907 0.1165 0.07405 0.008088
Cumulative Proportion  0.4107 0.8014 0.9179 0.99191 1.000000

Accumulated constrained eigenvalues
Importance of components:
                                  CCA1   CCA2   CCA3
Eigenvalue                   0.4455 0.4238 0.1264
Proportion Explained     0.4474 0.4256 0.1269
Cumulative Proportion   0.4474 0.8731 1.0000

Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions

<

Opa, que bom que deu certo!

Sim, se a variável apresenta o mesmo valor para todos os locais ela pode ser retirada da análise, pois é irrelevante dentro deste contexto (num contexto mais amplo, ela pode ser importante, seja como um parâmetro descritivo da sua amostra ou como algo que pode ser usado em uma análise futura com mais dados).

Depois retorno aqui para continuar a responder, ok?

ca.

Prof. Marcos escreveu:Opa, que bom que deu certo!

Sim, se a variável apresenta o mesmo valor para todos os locais ela pode ser retirada da análise, pois é irrelevante dentro deste contexto (num contexto mais amplo, ela pode ser importante, seja como um parâmetro descritivo da sua amostra ou como algo que pode ser usado em uma análise futura com mais dados).

Depois retorno aqui para continuar a responder, ok?

Obrigado professor, fico no aguardo.

ca