北京天演融智软件有限公司
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
改进的数据格式和管理
? 新性状窗口同时显示物种形状矩阵
? 分类变量类型中允许文本。例如，实验治疗的c变量由1,2,3替换，您可以把它们编码为burned, mowed, and control。其结果是，分类变量不能再用于算术运算，只定义项目组。
? 变量类型之间的转换：
√ categorical to quantitative
√ quantitative to categorical
√ categorical to binary
? 行名称和列名称（首字母缩写）多可以输入12个字符。
? 电子表格设计允许多达200万行或列。
? 精简导入\导出到excel
? 新项目的拖放功能被重新设计，便于文件管理
? 点击save all保存具有共同碱基的相关新文件组
? export project是将给定项目的所有文件和设置从一台机器移动到另一台机器的便捷方式
? modifed file | import简单电子表格选项包括为矩阵定义特定范围的单元
? 紧凑格式：代码数量从大为4位增加到大为8位。代码名称（物种缩写）从大8字符增加到大12字符
? 单击并拖动切换矩阵
? 将主矩阵或第二矩阵转换为图形文件。这提供了一种使用pc-ord以外生成坐标的简单方法。在版本6中，这个功能只作为外接程序wk1togph来使用
? 重新分类变量（数字到文本或文本到文本）
系统需求
? operating system: windows 98, nt, me, 2000, xp, vista, 7, 8, and 10
? 80486 or higher cpu (including pentium 4, athlon, celeron, etc.)
? 8 mb ram (more ram means ability to analyze larger data sets)
? 16 mb of available hard disk space
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 计算su x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（mccune 2015）。为了大化sux性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为小至大，然后计算每个样本单位的丰度加权性状平均值。
? 特征空间中的物种距离
物种可以通过计算物种间的距离矩阵来比较它们的性状，从物种x性状矩阵开始。在数学方面，这与计算物种空间中的样本单元之间的距离矩阵相同，除了在这种情况下，对象是物种，它们的属性是性状，而不是作为样本单元和属性物种的对象。从特征菜单提供相同的距离度量，如物种空间中的样本单元之间的距离。
新矩阵文件格式
? 行和列标识符--大长度从8个字符增加到12个字符。
? 分类值--现在可以是数值（上面例子中的shadetolerq）或文本（上面例子中的dispersal, leaf, leaf, learpersist和shadetolerc），多可达20个字符。
? 矩阵大小--从32,000行x 32,000列增加到2,000,000行x 2,000,000列，大可达536,848,900个元素自带一些局限性。
注意：您仍然可以导入excel旧版的.wk1文件以及xls和.xlsx文件。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 创造性状组合
通过组合来自两个现有变量的类别来创建一个新的分类变量。从两个选择变量中的每个类别的组合被视为新变量中的新类别。由此产生的新变量总是的。现有变量保留完整，但您可以通过modify|delete按钮很容易的将它删除。
例如，假设您有两个分类变量，一个是对原生与非本土物种的编码，一个是对一年生植物和多年生植物的编码。这可能在分析中发挥作用，如果这些物种的组合，例如，非本地一年生植物，在生态上与所有现存物种特别不同？因此，您可能希望用这些性状类别的所有四种组合来创造一个新的分类变量：（1）本地一年生植物，（2）原生多年生植物，（3）非天然一年生植物，（4）非天然多年生植物。
? 计算su x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（mccune 2015）。为了大化sux性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为小至大，然后计算每个样本单位的丰度加权性状平均值。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
新图形
? 山顶图
山顶图是在单个图形上一次显示多个非线性响应面的方法。我们知道的个使用的是nelson et al(2015)。在pc-ord中，响应面叠加在一个排序上作为叠加。这使得能够同时测量和显示一维和二维，相关联的非线性社区-特质-环境。对于每个所选择的覆盖变量，我们跟踪特定的轮廓，指定该变量的范围的百分比。每个包含的区域是一个“hilltop”，多个部分透明的山丘被叠加在一个排序上。结果图显示了许多非线性覆盖变量（例如，性状、物种丰富度或环境变量）在单个图中的大值。因为hilltops是基于轮廓的响应面，您可以通过阅读叠加来更好地理解山顶图的基础。在山顶图和等高线图之间使用的主要区别是一次只能显示一个变量的等高线图，而在同一个排序上可以画出许多山峰。这是一个有缺失的信息，当转到山顶图时，大部分的轮廓曲线被丢弃，但它具有同时表示多个非线性关系的优点。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 第四角问题
因为是四个基本矩阵的排列（参见dray和legendre（2008,fig.1a）和mccune 和grace（2002,fig.2.1）的形状x环境位置），所以通过样本单元x物种矩阵将物种性状与环境变量联系起来的方法问题被称为第四角问题。第四角分析提供了这些矩阵之间的链路强度的统计测试。第四角分析理论与数学的详细解释请参看legendre et al. (1997), dray和legendre (2008), ter braak et al, (2012), 和 dray et al. (2014)。
? 二元分类
如果已给变量中，有n个分类（每个分类级别有独特的值标签），然后将生成n个新的二进制（0/1）变量。每个新变量将被指定值为0或1的q变量。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? 基于距离的冗余分析（dbrda）
基于距离的冗余分析（drbda）类似于冗余分析（rda），除了主矩阵由它的主坐标代替，使用您选择的距离度量。这个变体的目的是允许您选择non-euclidean距离度量，如sorensen（bray-curtis），这个已经证明在群落生态学中是有效的。
? categorical counts
categorical counts提供一种用给定范畴值跟踪案例数量的方法（行，通常指示例单元）。默认情况下，对选定矩阵中的所有分类变量都执行此操作。提供了快速评估类别的频率，对于实验设计中的平衡或不同类别的采样有效性等问题是有用的。
? functional diversity
functional diversity分析了样本单元x物种矩阵与物种x性状矩阵的组合。pc-ord中的功能多样性措施的原理和使用在以下主题中描述。
其他已有的分析方法
? gower distance
gower（1971a）系数在相似性或相异性度量中是非常不寻常的，因为它可以基于定性（分类）数据、定量数据或两者的混合物来计算。分类数据作为匹配问题来处理：共享定性属性的项从该属性接收相似性单元。参看legendre和legendre（1998）对这个方法的详细描述。
pc-ord对电子表格中的生态数据进行多变量分析。pc-ord的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，pc-ord还提供了许多统计数据包中不可用的排序和分类技术：cca、dca、指示物种分析、mantel试验、部分mantel试验、mrpp、pcoa、permanova、rda、双向聚类、twinspan、beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3d排序、bray-curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（nms或nmds）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受多32,000行或32,000列和多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
? categorical counts
categorical counts提供一种用给定范畴值跟踪案例数量的方法（行，通常指示例单元）。默认情况下，对选定矩阵中的所有分类变量都执行此操作。提供了快速评估类别的频率，对于实验设计中的平衡或不同类别的采样有效性等问题是有用的。
? functional diversity
functional diversity分析了样本单元x物种矩阵与物种x性状矩阵的组合。pc-ord中的功能多样性措施的原理和使用在以下主题中描述。
其他已有的分析方法
? gower distance
gower（1971a）系数在相似性或相异性度量中是非常不寻常的，因为它可以基于定性（分类）数据、定量数据或两者的混合物来计算。分类数据作为匹配问题来处理：共享定性属性的项从该属性接收相似性单元。参看legendre和legendre（1998）对这个方法的详细描述。
? gower distance,忽略0,0
gower(1971)和legendre以及lengendre（1998）提出了一个有趣的但未经测试的gower相似系数的变体，忽略了0,0数据对。如果这些双零点被认为是不明确的信息，那么可以从系数的计算中排除它们。双零点的敏感性在社区生态学的分析中产生了不必要的影响
(legendre & legendre 1989, p. 253; mccune & grace 2002, p. 38, 51)。
legendre和legendre (1998)提出了gower相似系数（s19）的修改版本，称之为 asymmetrical，因为匹配零点的处理不同于非零值。它与gower系数相同，但不包括定量变量（0,0）对,因此，部分相似度的总和不是由p变量划分的，而是由p*非（0,0）对的数目来划分的。
请注意，这种“不对称”的感觉不同于矩阵对称性。如果legendre的非对称版本gower的相似性被转换为距离（或相异性），并用于建立距离矩阵，这仍然是对称矩阵。换句话说，项目a和b之间的距离与b和a之间的距离相同，即使使用gower的相似性的不对称版本。为了避免这种混乱，pc-ord使用菜单系统中的术语gower, ignore 0,0，并输出文