PAST：最简便易用的统计学分析软件教程（四十四）----相关性或距离矩阵计算

本系列教程基于windows版本的PAST 3.0软件进行。

软件下载地址：扫描下方二维码，提取码：i274。

下载后的软件无需安装，双击“Past3.exe”即可打开软件进行使用。

---

Beta多样性

Multivariate按钮中的Similarity and distance indices选项可以用于计算给定数据的详细性或距离矩阵。

数据输入为样品为行，样品中的各物种为列，数据为物种的丰度。

输出结果为对称的样品相似性或距离矩阵。

PAST共包含26个不同的算法：

• Euclidean为基本的欧式距离；

• Gower计算所有变量的平均距离；

• Chord为矢量标准化的欧式距离通常用于丰度数据；

• Manhattan为所有变量距离之和；

• Bray-Curtis常用于计算丰度数据的相似性；

• Cosine、Morisita、Horn用于计算丰度数据的相似性；

• Mahalanobis根据数据的协方差结构计算距离；

• Correlation为1-Pearson相关系数；

• Rho为1-Spearman相关系数；

• Dice用于计算不存在-存在数据的相关性；

• Jaccard用于计算不存在-存在数据的相关性；

• Kulczynski用于计算不存在-存在数据的相关性；

• Ochiai用于计算不存在-存在数据的相关性；

• Raup-Crick采用Monte Carlo方法计算存在-不存在数据的相关性；

• Hamming用于计算以整数编辑的分类数据或以ATGC编辑的序列数据的相关性；

• Jukes-Cantor用于计算ATGC序列的距离，相比于Hamming考虑了反转的可能性；

• Kimura用于计算ATGC序列的距离，相比于Jukes-Cantor考虑了转换和颠换的可能性，P表示转换，Q表示颠换；

• Tajima-Nei用于计算ATGC序列的距离但是并不假定四种核酸具有等量的频率；

• Tamura用于计算ATGC序列的距离，相比于Kimura考虑了GC含量，θ代表GC含量；

• Geographical根据数据的经纬度计算两个地理位置在地球表面间的距离。

---