R语言结构方程模型（SEM）在生态学领域中的实践应用
结构方程模型（Sructural Equation Model）是一种建立、估计和检验研究系统中多变量间因果关系的模型方法，它可以替代多元回归、因子分析、协方差分析等方法，利用图形化模型方式清晰展示研究系统中变量间的因果网络关系，是近年来地学、生态、进化、环境、医学、社会、经济领域中应用十分广泛的统计方法。然而，自Wright在1920年美国科学院院刊（PNAS）提出第一个结构方程模型（路径分析，Path Analysis）至今的100多年时间里，结构方程模型已发展出有较为庞大的理论体系和复杂多变的形式，使初学者往往无所适从。将利用开源软件R平台，以生态学领域研究问题为主线，如生物多样性、物种分布、生物入侵、生物地理格局、生物多样性与生态系统功能（BEF）、生态恢复、气候变化对物种分布影响等，通过理论讲解和实际操作相结合的方式，由浅入深地系统介绍结构方程模型的建立、拟合、评估、筛选和结果展示的全过程，使学员能够利用结构方程模型方法解决实际研究和工作中遇到的相关科学问题。筛选大量应用结构方程模型的经典案例，这些案例来自Nature、Ecology、Ecological Applications、Ecology Letters、Journal of Ecology、Methods in Ecology and Evolution、Oikos、Ecography等主流期刊，多数案例为近期发表成果，具有很大的参考和借鉴价值。包括R语言入门、结构方程模型原理介绍、结构方程模型分析入门及高阶应用、潜变量分析、复合变量分析及贝叶斯结构方程模型参数估计。将利用lavaan，piecewiseSEM，blavaan及brms程序包分别从全局估计、局域估计及相应贝叶斯估计方法实现结构方程模型分析。即适合R语言和结构方程模型的初学者，也适合对结构方程模型有高阶应用需求的研究生和科研人员。
夯实基础：专题1：R/Rstudio简介及入门【课前学习、提供学习资料】
1）R及Rstudio介绍：背景、软件及程序包安装、基本设置等
2）R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等
3）R语言数据文件读取、整理（清洗）、结果存储等（含tidverse）
4）R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储
夯实基础：专题2：结构方程模型（SEM）介绍【课前学习、提供学习视频资料】
1)SEM的定义、生态学领域应用及历史回顾
2)SEM的基本结构
3)SEM的估计方法
4)SEM的路径规则
5)SEM路径参数的含义
6)SEM分析样本量及模型可识别规则
7)SEM构建基本流程
专题3：R语言SEM分析入门：lavaan VS piecewiseSEM
1)结构方程模型在生态学研究中的应用介绍及模型要点回顾
2)结构方模型估计方法：局域估计和全局估计的基本工作原理、主要区别及应用情景分析
3)案例群落物种丰富度恢复的直接及间接效应（direct and indirect effects）：SEM分析基本流程-lavaan vs piecwiseSEM
（1）模型建立
（2）模型拟合
（3）模型评估
（4）结果展示
课后练习：1.根据元模型（meta-model）构建模型
2.课后练习：火烧干扰后植物群落恢复直接、间接及调节效应分析
专题4：SEM全局估计（lavaan）在生态学领域高阶应用
案例1：湿地生态系统初级生产力的直接和间接效应分析
（1）问题提出、元模型构建
（2）模型构建及模型估计
（3）模型评估：路径增加和删减原则、最优模型筛选方法
（4）结果表达
案例2：火烧干扰后植物群落恢复效果评估-数据缺失和正态性不足数据处理-
案例3：放牧对海拔与生物量关系的影响分析-数据分组分析
案例4：农业用地比例对河口水草多度影响-数据分层/嵌套分析
课后练习：环境异质性和资源可获得性对不同演替阶段林下维管植物多样性的影响
专题5：SEM潜变量分析在生态学领域应用
1)潜变量的定义、优势及应用背景分析
2)潜变量分析实现基本原理
3)案例1：海岸带米草群落生态恢复表现评估-单潜变量模型构建
4)案例2：城市景观中土地利用对有花植物资源和访花昆虫的直接与间接影响-多个潜变量模型构建
课后练习案例：植物多样性、能量梯度及环境梯度对动物多样性格局的影响-构建动物多样性潜变量
专题6：SEM复合变量分析在生态学领域应用
1)复合变量的定义及在生态学领域应用情景分析
2)复合变量分析实现途径
3)案例1：生态力与生物多样性形成机制分析-土壤理化因子的多复合变量构建
4)案例2：火烧后植被恢复对物种丰富度影响-复合变量解决非线性问题
5)案例3：气候暖化、海平面上升对湿地植物群落的复合影响-复合变量解决交互作用问题
课后实例讲解：植物群落物种多样性是否会提高其对入侵植物的抵抗力-多复合变量实现
专题7：局域估计SEM -piecewiseSEM及生态学领域高阶应用
1)piecewiseSEM对内生变量为二项及泊松分布数据的分析
2)混合效应模型+时间自相关问题：气候波动对海草床生态系统食物网结构影响
3)空间自相关问题：NDVI空间变化与气候和多样性关系
4)系统发育相关问题：物种属性、社会性进化特征对海虾领域范围和多度影响-
5)分组数据、交互作用、非线性关系问题分析（实例数据同专题4和6）
课后练习案例：人类活动、环境条件、物种属性对动物领域大小相对贡献-分组分析和分类变量处理
专题8：贝叶斯SEM在生态学领域应用
1)贝叶斯（bayes）方法简介
2)R语言贝叶斯SEM实现程序包blavaan和brms介绍
3)案例1：气候及生态位重叠程度对田鼠物种丰富度影响：模型比较、直接和间接效应计算（blavaan）
4)案例2：火烧后对植被恢复影响因素-模型拟合、模型比较和评估（brms）
课后练习案例：生物地理历史因素对北半球森林的初级生产力的影响（brms）
R语言生物群落（生态）数据统计分析与绘图实践技术应用
R 语言作的开源、自由、免费等特点使其广泛应用于生物群落数据统计分析。生物群落数据多样而复杂，涉及众多统计分析方法。生物群落数据分析中的最常用的统计方法回归和混合效应模型、多元统计分析技术及结构方程等数量分析方法为主线，通过多个来自经典研究中的实例，详细讲述各方法的R语言实现途径（详见教学内容）。主要特点为聚焦生态学研究领域，从R语言基础操作和作图、数据准备整理，到各种数量分析方法的应用情景分析，实现从数据整理到分析结果展示的完整科学研究数据分析过程，将《R语言基础》、《tidyverse数据清洗》、《多元统计分析》、《随机森林模型》、《回归及混合效应模型》、《结构方程模型》及《统计结果作图》进行了组合（7合1）。适合R语言和生物群落（生态）数据统计分析的初学者，同样适合有高阶应用需求的研究生和科研人员。将通过大量实例讲解，使大家能应对科研工作中复杂数据局面，选择合适模型，提高数据分析能力。
第一单元 R基础及数据准备
专题一：R和Rstudio简介及入门和作图基础
1）R及Rstudio介绍：背景、软件及程序包安装、基本设置等
2）R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等
3）R语言数据文件读取、整理及存储等
4）R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储
专题二：R语言数据清洗-tidyverse包应用
1）tidyvese简介：tidyr、dplyr、readr、%>%等
2）文件操作：不同格式文件读取、多文件同时读取等
3）数据筛选：行筛选、列筛选、条件筛选（字符操作）等
4）数据生成：数据合并、数据拆分、新数据生成（字符操作）等
5）长宽数据转换、空值（NA）等填充及删除、分组、排序及汇总等
专题三：群落数据准备及探索分析
1)生物群落数据准备：物种组成、环境变量、物种功能属性、系统发育树等
2)生物群落数据检查：缺失值和离群值（outliers）等-避免模型错进错出（GIGO）
3)物种多样性计算：物种多样性（TD）、功能多样性（FD）和系统发育多样性（PD）
4)物种相似/相异矩阵关联测度介绍
第二单元 多元统计分析
专题四：群落数据非约束排序-PCA、CA、PCoA、NMDS
1）生物群落数据非约束排序分析简介
2）案例1鱼类生境数据排序：PCA
3）案例2鸟类物种组成数据的排序：CA、PCoA和NMDS比较
专题五：群落数据约束排序-RDA、dbRDA、CCA、4th Corner
1）生物群落数据约束排序简介：非对称约束排序VS对称约束排序
2）案例1景观、斑块及生境因子蛾类群落分布的解释：RDA、dbRDA或CCA选择+变差分解
3）案例2物种有无（0，1）数据约束排序：dbRDA
4）案例3物种组成、物种属性及环境因子的相关分析-第四角分析（4th Corner）
专题六：群落数据分组分析: 等级/非等级聚类（HC/NHC）、PERMANOVA等
1）生物群落数据的聚类及差异分析概述
2）案例1鸟类生境数据的等级和非等级聚类：KMEANS和HCLUST
3）案例2乌龟适宜生境差异检验（2组比较）及解释：PERMANOVA、MRPP、ANOSIM及Dispersion test
4）案例3环境梯度下微生物组成差异分析（多组比较）及解释：MRPP及Dispersion Test
5）案例4 药物对肠道微生物群落影响：PCoA+PERMANOVA
第三单元 机器学习
专题七：群落数据随机森林（Random Forest）模型-分类VS回归
1）随机森林（Random Forest）模型简介
2）随机森林模型分析基本流程-分类VS回归
3）案例1 随机森林分类及重要变量选择：RFM-classification
4）案例2 随机森林回归模型及变量重要性评估：RFM-regression
5）案例3 物种多维形态属性与生态属性的关联关系：PCA+PCoA+LDA+RFM综合案例
第四单元 回归及混合效应模型
专题八：一般线性模型（lm）
1）基本形式、基本假设、估计方法、参数检验、模型检验
2）案例1不同鱼类游速的回归、方差及协方差分析
3）案例2决定海洋植食性鱼类多样性的决定因子-模型验证
4）案例3淡水鱼丰度的环境因子的筛选-逐步回归（model selection）
专题九：广义线性模型（glm）
1）广义线性混合效应模型基本原理、建模步骤及流程
2）案例1有无（0，1）数据的逻辑斯蒂模型-二项分布
3）案例2海豹年龄与攻击行为的关系-0，1数据转化为比率数据分析
4）案例3 物种多度分布环境解释-计数数据泊松、负二项、零膨胀、零截断模型
专题十：线性混合效应模型（lmm）
1）混合效应的基本原理及分析基本流程、步骤及实现
2）案例1分层数据物种多样性决定因素-模型构建流程、模型预测及诊断
3）案例2：多因素实验（分层数据）的多重比较
专题十一：广义线性混合效应模型（glmm）
1）广义线性混合效应模型基本原理、建模步骤及流程
2）案例1蝌蚪“变态”与否（0，1）的多因素分析-逻辑斯蒂混合效应模型
3）案例2虫食种子多度影响因素的多变量分析-泊松混合效应模型
4）广义线性混合效应模型分析计数数据及模型选择：泊松、伪泊松、负二项、零膨胀泊松、零膨胀负二项、零截断泊松及零截断负二项模型
专题十二：空间、时间及系统发育相关回归-数据自相关（autocorrelation）分析
1）数据自相关问题简介：时间、空间和系统发育相关介绍
2）案例1森林植物多样性分布格局的空间自相关修正
3）案例2不同年份鸟类多度的时间自相关修正
4）案例3系统发育相关在虾类多度分布分析中作用
第五单元 结构方程模型
专题十三：结构方程模型（SEM）：lavaan和piecewiseSEM-多变量直接和间接效应及因果关系
1）结构方程模型简介：定义、历史、应用、估计方法、模型可识别规则及样本量要求等
2）案例1群落物种丰富度恢复的直接及间接效应（direct and indirect effects）：SEM分析基本流程-lavaan vs piecwiseSEM
3）案例2环境异质性和资源可获得性对不同演替阶段林下维管植物多样性的影响：模型调整、比较、评估及结果展示
4）案例3人类活动、环境条件、物种属性对动物领域大小相对贡献（relative roles）：混合模型、嵌套结构、分组分析及分类变量SEM实现
第六单元 统计结果作图
专题十四：群落数据及统计分析结果作图（ggplot）、排版及发表质量图输出
1）群落数据及统计分析结果作图数据准备：结果提取与作图数据整理
2）聚类分析及分组差异检验图：聚类结果图、热图（heatmap）、分组差异检验结果图
3）PCA、CA、PCoA及NMDS等非约束排序图：排序图和双序图（biplot）
4）RDA、db-RDA及CCA等约束排序图：三序图（triplot）和韦恩图（venn）
5）回归和混合效应模型分析结果图：散点图、箱线图、柱状图及提琴图等
6）结构方程模型结果图表达方式
