EKOLOGIE - doplňkový text

korelována s 

početností  druhu  1  a  2  a  slabě  negativně  korelována s početností  druhu 3. 

Naopak,  osa  2  je  silně  pozitivně  korelována  s početností  druhu  3.  A  tak  gradient,  který 

„prospívá“ druhům 1 a 2 je znázorněn osou PC1 a naopak gradient, který „prospívá“ druhu 3 

je vyjádřen PC2.  

PCA je vhodná pro situace, kdy 

je přítomnost druhů navzájem  korelována. To však 

v 

přírodě  nebývá,  druhy  jsou  častěji  rozšířeny  nezávisle  a  unimodálně  podél  nějakého 

gradientu jako na obrázcích z 

počátku  této  kapitoly. 

S takovými daty si PCA neporadí a produkuje tzv. „efekt 

koňské podkovy“. Ilustrace je na obrázku. Zde druhá osa jen 

obloukovitě  zkreslí  osu  a  nemá  smysluplnou  interpretaci. 

Přesto  je  však  užitečná  hlavně  po  přímé  gradientové 
analýzy, které obsahují data v 

různých jednotkách (např. pH, 

vlhkost, teplotu, obsah humusu).  

Z 

důvodu  zkreslení  mnohých  souborů  dat  při 

zobrazení  vzorků  v osách  druhů  se  dnes  spíše  využívá 
metoda 

korespondenční  analýzy  (correspondence 

analysis).  Ta  zobrazuje  druhy  a  současně  vzorky 
v 

ordinačním prostoru. 

Klasifikační analýza