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，大多数操作接受较多32,000行或32,000列和较多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。
? 创造性状组合
通过组合来自两个现有变量的类别来创建一个新的分类变量。从两个选择变量中的每个类别的组合被视为新变量中的新类别。由此产生的新变量总是**的。现有变量保留完整，但您可以通过Modify|Delete按钮很*的将它删除。
例如，假设您有两个分类变量，一个是对原生与非本土物种的编码，一个是对一年生植物和多年生植物的编码。这可能在分析中发挥作用，如果这些物种的组合，例如，非本地一年生植物，在生态上与所有现存物种特别不同？因此，您可能希望用这些性状类别的所有四种组合来创造一个新的分类变量：（1）本地一年生植物，（2）原生多年生植物，（3）非**一年生植物，（4）非**多年生植物。
? 计算SU x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的第一步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（MCCUNE 2015）。为了较大化SUX性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为较小至较大，然后计算每个样本单位的丰度加权性状平均值。
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，大多数操作接受较多32,000行或32,000列和较多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。
? 计算SU x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的第一步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（MCCUNE 2015）。为了较大化SUX性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为较小至较大，然后计算每个样本单位的丰度加权性状平均值。
? 特征空间中的物种距离
物种可以通过计算物种间的距离矩阵来比较它们的性状，从物种x性状矩阵开始。在数学方面，这与计算物种空间中的样本单元之间的距离矩阵相同，除了在这种情况下，对象是物种，它们的属性是性状，而不是作为样本单元和属性物种的对象。从特征菜单提供相同的距离度量，如物种空间中的样本单元之间的距离。
新矩阵文件格式
? 行和列标识符--较大长度从8个字符增加到12个字符。
? 分类值--现在可以是数值（上面例子中的ShadeTolerQ）或文本（上面例子中的Dispersal, Leaf, Leaf, LearPersist和ShadeTolerC），较多可达20个字符。
? 矩阵大小--从32,000行x 32,000列增加到2,000,000行x 2,000,000列，较大可达536,848,900个元素自带一些局限性。
注意：您仍然可以导入Excel旧版的.wk1文件以及xls和.xlsx文件。
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，大多数操作接受较多32,000行或32,000列和较多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较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**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较小应力平台。着维数的增加，维数的重要性表现为较终应力的递减序列。
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，大多数操作接受较多32,000行或32,000列和较多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。
? 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、面积或体积的情况较有用。
Morisita-Horn指数对小物种的影响较小，这在很大程度上是因为该方法抗欠采样的原因。同时，它使该方法对小物种携带的模式不敏感。
? 在perMANOVA和指示物种分析中增加块或组的较大数目到1,000
? 新Summary | Write距离矩阵选项
? 物种面积曲线的自举置信区间
? PCA选项将预测方程写入文本文件
? PCA选项将特征值从随机化写入电子表格
? 使用Peres-Neto et al.(2006)方法在CCA中增加R2perm调整方差
? 使用Peres-Neto et al.(2006)方法在RDA中增加Ezekiel和R2perm调整方差
? 添加了拟合方法，包括基于随机的方法到NMS中
? Dust bunny指数从多元正态到dust bunny分布作为出发度量
? 新Summary | Write距离矩阵选项：
√ 只写次对角线距离（对于连续样本）
√ 写对子对角线距离（配对样本）
图形功能扩展
? 应用按钮在不退出偏好对话框的情况下立即预览更改
? 保存群中心的分数为电子表格或文本文件
? 将图片保存为TIFF格式
? Species Frequency Label Cutoff
? tick marks数量控制
? Reorder legend
? 定制工具栏
-/gjjiac/-
http://awen20.b2b168.com
