El análisis de correspondencia sin tendencia (DCA) es una técnica estadística multivariada ampliamente utilizada por los ecólogos para encontrar los principales factores o gradientes en matrices de datos grandes, ricas en especies pero generalmente escasas, que tipifican los datos de la comunidad ecológica . DCA se utiliza con frecuencia para suprimir artefactos inherentes a la mayoría de los otros análisis multivariados cuando se aplica a datos de gradiente . [1]
DCA fue creado en 1979 por Mark Hill del Instituto de Ecología Terrestre del Reino Unido (ahora fusionado con el Centro de Ecología e Hidrología ) e implementado en un paquete de código FORTRAN llamado DECORANA (Análisis de correspondencia sin tendencias), un método de análisis de correspondencia . A veces se hace referencia erróneamente a DCA como DECORANA; sin embargo, DCA es el algoritmo subyacente, mientras que DECORANA es una herramienta que lo implementa.
Según Hill y Gauch, [1] DCA suprime dos artefactos inherentes a la mayoría de los otros análisis multivariados cuando se aplica a datos de gradiente . Un ejemplo es una serie temporal de especies de plantas que colonizan un nuevo hábitat; las especies de sucesión temprana son reemplazadas por especies de sucesión media y luego por especies de sucesión tardía (ver ejemplo a continuación). Cuando dichos datos son analizados mediante una ordenación estándar como un análisis de correspondencia:
Fuera de la ecología, los mismos artefactos ocurren cuando se analizan datos de gradiente (por ejemplo, propiedades del suelo a lo largo de un transecto que corre entre dos geologías diferentes, o datos de comportamiento durante la vida de un individuo) porque la proyección curva es una representación precisa de la forma de los datos en espacio multivariado.
Ter Braak y Prentice (1987, p. 121) citan un estudio de simulación que analiza modelos de empaquetamiento de especies bidimensionales que dieron como resultado un mejor desempeño del DCA en comparación con el CA.
DCA es un algoritmo iterativo que ha demostrado ser una herramienta altamente confiable y útil para la exploración y resumen de datos en ecología comunitaria (Shaw 2003). Comienza ejecutando una ordenación estándar (CA o promedio recíproco) en los datos, para producir la curva de herradura inicial en la que el primer eje de ordenación se distorsiona en el segundo eje. Luego divide el primer eje en segmentos (predeterminado = 26) y cambia la escala de cada segmento para que tenga un valor medio de cero en el segundo eje; esto efectivamente aplasta la curva. También cambia la escala del eje para que los extremos ya no estén comprimidos en relación con el centro, de modo que 1 unidad DCA se aproxima a la misma tasa de rotación en todos los datos: la regla general es que 4 unidades DCA significan que hay Ha habido una rotación total en la comunidad. Ter Braak y Prentice (1987, p. 122) advierten contra el cambio de escala no lineal de los ejes debido a problemas de robustez y recomiendan utilizar únicamente la eliminación de tendencias por polinomios.
No hay pruebas de significancia disponibles con DCA, aunque existe una versión restringida (canónica) llamada DCCA en la que los ejes son obligados por regresión lineal múltiple a correlacionarse de manera óptima con una combinación lineal de otras variables (generalmente ambientales); esto permite probar un modelo nulo mediante análisis de permutación de Monte-Carlo .
El ejemplo muestra un conjunto de datos ideal: los datos de especies están en filas, las muestras en columnas. Para cada muestra a lo largo del gradiente, se introduce una nueva especie, pero otra ya no está presente. El resultado es una matriz escasa. Las unidades indican la presencia de una especie en una muestra. Excepto en los bordes, cada muestra contiene cinco especies.
El gráfico de los dos primeros ejes del resultado del análisis de correspondencia en el lado derecho muestra claramente las desventajas de este procedimiento: el efecto de borde, es decir, los puntos se agrupan en los bordes del primer eje, y el efecto de arco.
Una implementación de código abierto de DCA, basada en el código FORTRAN original, está disponible [2] en el paquete R vegano. [3]