典范分析（canonical analysis）是生态学多元统计的核心分析方法，主要用于量化环境因子（解释变量）对多物种生物群落（响应变量）的决定作用。然而，由于涉及的参数较多，典范分析中对于具有多重共线性的解释变量的相对重要性评估是个尚未解决的难题。以往的分析使用简单效应（simple effect）、边际效应（marginal effect）或条件效应（conditional effect）作为相对重要性的评估指标，但这些指标由于受多重共线性的影响而导致不准确评估。 

　　中科院植物所马克平研究组科研人员将统计学中“层次分割”的理论应用于典范分析，并将层次分割与变差分解建立起数学联系，认为可以通过平均分配共同解释的组分与边际效应之和获得单个解释变量所分配的解释率，通过比较单个变量解释率来评估典范分析中共线性的解释变量相对重要性，同时开发了基于R语言平台的rdacca.hp包来实现上述方法。文章采用网上公开的欧洲Doubs河流的鱼类分布与10种环境因子的经典案例数据进行方法和rdacca.hp包的使用演示，以方便国内外同行对结果进行重复和检验。审稿人认为该论文和配套的R包为多变量模型的解读和模型筛选做出了非常有价值的贡献，厘清了各种判断指标之间的关系，解决了长期困扰典范分析的一个难题。 

　　该成果于1月12日在线发表于生态学国际期刊Methods in Ecology and Evolution上。植物所副研究员赖江山为该论文第一作者和通讯作者。西交利物浦大学、香港嘉道理植物园和加拿大Concordia大学科研人员参与了此项研究。与论文配套的rdacca.hp包已于2021年1月在R语言的官方网站发布，截至2022年1月已被下载安装8600多次，被国内外40余篇生态和环境科学领域研究论文所采用。该研究得到科技部基础专项和中科院先导专项的资助。 

　　文章链接： 

　　https://besjournals.onlinelibrary.wiley.com/doi/10.1111/2041-210X.13800 

　　三个相关解释变量的变差分解示意图，层次分割原理是对中间共同解释部分进行平均分割后分配给相关的解释变量 

　　基于欧洲Doubs河流鱼类数据采用rdacca.hp包分析输出后10个解释变量的单个解释率的条形图