R语言在生态环境中常见分析方法,在生态学及环境科学专业中，我们经常分析的主要对象有“物种”和“环境因子”，目的是分析它们的分布情况及其相互之间的影响，大多时候，也会分析“物种”与“物种”、“环境因子”与“环境因子”的关系。我们把“物种”称为“响应变量”，“环境因子”称为“解释变量”。那么，对这些研究对象的分析方法，常见的有PCA（主成分分析）、PCoA（主坐标分析）、NMDS（非度量多维尺度分析）、聚类、RDA（冗余分析）、CCA（典范对应分析）以及偏RDA；另外，也有一些比较具有特色的方法，如MRT（多元回归树）、GBM（广义提升回归模型）、ABT（集成推进树）、RF(随机森林)。随着测序技术的快速发展，对物种分布的分析方法增加了特色分析，如相关性网络图、LEfSe分析。用过R语言分析数据的研究者都知道，plot（）函数出图不够美观。我们在课程中主要介绍上述方法在R语言中如何实现，课程也包含一些修改原代码的一些小技巧，并且大多数分析基于ggplot2出图。 请知：课程可开发票，课程配有答疑群，群里有课程中的代码，方便交流。此课程已有第二版，地址：http://163.lu/D6vNM0。第二版能容更多、讲解更细致。 适用人群：课程适用于生态学、环境科学专业的硕士、博士以及科研工作者。