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。
? 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。
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。
等高线覆盖图
当您选择一个q变量作为覆盖时，您会得到一个表格显示拟合是如何随柔韧度（平滑参数）变化而变化的，这个参数被用于非参数回归的覆盖变量而不是轴得分。如果您选择“optimize” 柔韧度，pc-ord会选择具有高交叉验证适合度（xr2）的柔韧度。如果您希望为柔韧度选择特定值，请选择specify柔韧度。如果需要的话，使用“optimize”下的表格来帮助您选择一个特定的柔韧度。后，您可以得到一个轮廓叠加到排序空间中，您还可以自定义，包括颜色阴影和/或轮廓间隔标记。
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。
pc-ord和r软件功能对比
虽然在pc-ord和r中有许多相同的工具可用，但是用户体验从根本上不同。为了对r中的社区数据进行必要和适当的分析，您必须学习r编程语言，手动识别、搜索、下载“vegan”和各种其他的程序包，并根据需要修改代码以实现分析目标并获得合适的图形。pc-ord软件操作简单、专家驱动的分析偏好选项、点击图形用户界面便利、交互式图形的功能很灵活、内置上下文敏感的帮助系统以及免费专用技术支持，这些在r软件里都是没有的功能。r软件鼓励用户开发脚本，pc-ord还允许高级用户通过其“批处理”功能开发脚本，以及将用户开发的模块集成到菜单系统中。因此，pc-ord使您能够快速、有信心地选择、运行和解释适当的分析，并在没有准备工作的情况下生成定制的、出版质量的图形。使社区分析的过程变得简单和容易，以至于初学者实际上有可能做到这一点并且做得正确。pc-ord不仅把您需要的大部分工具放在一个地方，而且因为编程已经为您完成了，您可以把时间花在探索数据、回答问题和测试假设等真正重要的事情上。pc-ord帮助您确保可以清楚地看到数据集和目标的选项，并帮助您以强大的图形和详细的解释结果列表解释您的结果。