如果只有一個響應變數資料，而沒預測器（解釋變數），我們僅僅需要、也只能歸納這個變數的分佈特徵（如透過直方圖、中值，標準差、四分位極差等）。如果有多個響應變數，依然沒有解釋變數，我們可以用排序（間接梯度分析）來分析資料，例如可以用主成分分析（PCA）、對應分析（CA）、去趨勢對應分析（DCA）和非度量多維尺度分析（NMDS），當然也可以用等級分類，如聚類的方法將樣方分為有區別的幾類。
如果我們有一個或多個的解釋變數，要分析一個響應變數，可以用廣義的迴歸模型，包括傳統的迴歸模型和方差分析、協方差分析。這類分析統稱為一般線性模型（general linear model），最近在一般線性模型基礎上，發展出了廣義線性模型（generalizedlinear models, GLM）和廣義可加模型(generalized additivemodels, GAM)。有關這回歸模型更多的資訊，我們將在第8章討論。
如果有多個響應變數需要分析，解釋變數一個或多個，我們可以透過直接梯度排序來分析解釋變數與多個響應變數（群落學裡通常是物種）之間的關係。常用的有冗餘分析（RDA）和典範對應分析（CCA）等排序技術。
你的問題裡面氮源算是解釋變數，產生的菌種屬於相應變數。如果你測定的菌種指標為多個，我感覺你就用canoco做一個CCA應該就行了（還有，這種方式應用在生態上只是較多而已，但用在你的實驗上應該沒什麼問題）。CCA是首先針對你的菌種進行排序，然後再與氮源進行線性結合；當然，如果你測定的菌種指標只有一個，那就用SPSS之類的簡單軟體分別進行線性迴歸，然後看哪個擬合的結果（r）好就行了。祝早日發表。
如果只有一個響應變數資料，而沒預測器（解釋變數），我們僅僅需要、也只能歸納這個變數的分佈特徵（如透過直方圖、中值，標準差、四分位極差等）。如果有多個響應變數，依然沒有解釋變數，我們可以用排序（間接梯度分析）來分析資料，例如可以用主成分分析（PCA）、對應分析（CA）、去趨勢對應分析（DCA）和非度量多維尺度分析（NMDS），當然也可以用等級分類，如聚類的方法將樣方分為有區別的幾類。
如果我們有一個或多個的解釋變數，要分析一個響應變數，可以用廣義的迴歸模型，包括傳統的迴歸模型和方差分析、協方差分析。這類分析統稱為一般線性模型（general linear model），最近在一般線性模型基礎上，發展出了廣義線性模型（generalizedlinear models, GLM）和廣義可加模型(generalized additivemodels, GAM)。有關這回歸模型更多的資訊，我們將在第8章討論。
如果有多個響應變數需要分析，解釋變數一個或多個，我們可以透過直接梯度排序來分析解釋變數與多個響應變數（群落學裡通常是物種）之間的關係。常用的有冗餘分析（RDA）和典範對應分析（CCA）等排序技術。
你的問題裡面氮源算是解釋變數，產生的菌種屬於相應變數。如果你測定的菌種指標為多個，我感覺你就用canoco做一個CCA應該就行了（還有，這種方式應用在生態上只是較多而已，但用在你的實驗上應該沒什麼問題）。CCA是首先針對你的菌種進行排序，然後再與氮源進行線性結合；當然，如果你測定的菌種指標只有一個，那就用SPSS之類的簡單軟體分別進行線性迴歸，然後看哪個擬合的結果（r）好就行了。祝早日發表。