大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
一、简介
微生物群落研究逐渐从单一的群落结构研究转向分析群落与环境因素的关联互作机制研究当中，典型的环境因子分析方法有CCA/RDA、互作网络图、VPA分析等，这些分析能帮助我们逐一比较待选的环境因子与微生物群落数据间的关联性，细致挖掘对群落结构有影响的个别环境因子。
需要注意到的是，环境对微生物群落的影响是间接的，例如：气温因素影响了植物的生长状态，植物的生长状态的变化影响土壤微生物的群落结构，而微生物的群落变化又引起土壤一些微量元素的变化。可以看到，这是个复杂的网络状影响关系，微生物群落是其中的一个环节，过往研究环境因子线性影响微生物是不适用的。为了能够完整呈现这种网络状影响关系，微生物研究领域采用了SEM与PLS-PM这两类模型。
二、相关概念
结构方程模型（Structural Equation Model, SEM）是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，因此也称为协方差结构分析。结构方程模型采用的是后验逻辑，通过过往研究经验构建出类似：环境-植物生长-微生物群落-代谢物 的网络结构模型 。在模型构建完成后，通过检验模型整体拟合度，检验模型中各个路径是否达到显著来判断模型是否可用，之后逐一确定自变量对因变量的影响。
图1 文章中的SEM模型[1]
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/172664.html原文链接：https://javaforall.net
![java countdowntimer_Android 倒计时CountDownTimer[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
