多樣化生態

『壹』 要素多樣化的含義

保護生物多樣性，首先要了解生物多樣性的含義。根據聯合國「生物多樣性公約」，生物多樣性的定義是:「生物多樣性是指所有來源的形形色色的生物體，這些來源包括陸地、海洋和其他水生生態系統及其所構成的生態綜合體;這包括物種內部、物種之間和生態系統的多樣性。據化石考證，地球上的低級生命形式(細菌與藍藻)是出現在40億年前。由於生命的進化，逐漸形成了地球上的生物多樣性。生物多樣性包括地球上所有的植物、動物和微生物物種及其所擁有的基因，各物種之間及其與生境之間的相互作用所構成的生態系統及其生態過程。生物多樣性是概括性的術語，通常認為有三個水平，即遺傳多樣性、物種多樣性和生態系統多樣性。有的學者認為生物多樣性還有第四個水平，即景觀多樣性。
遺傳多樣性

生物多樣性概念
廣義的遺傳多樣性是指地球上所有生物所攜帶的遺傳信息的總和，通常談及生態系統多樣性或物種多樣性時也就包含了各自的遺傳多樣性。狹義的遺傳多樣性主要指種內不同群體之間或一個群體內不同個體的遺傳變異總和。各種栽培植物和家養動物及其地方品種、野生近緣種都擁有異常豐富的遺傳多樣性。因此物種內的多樣性是物種以_上各水平多樣性的重要來源，遺傳變異、生活史特點、種群動態及其遺傳結構等決定或影響著一個物種與其他物種及環境之間相互作用的方式。而且種內遺傳多樣性是一個物種對人為干擾能否成功地反應的決定因素。物種的遺傳變異愈豐富，對環境適應性就愈廣，也就是說群體內的遺傳多樣
性反映了物種的進化潛力。一個種群內的個體在基因上是互有差異的，由於個體具有略有區別的基因類型，因而表現出各種遺傳變異。基因是特定蛋白質編碼的染色體單位。這些略有差異的基因類型就是等位基因(alleles),同時通過突變(mutation也可以出現差異，突變發生在脫氧核糖核酸(DNA)中。由基因構成單個染色體。不相同的等位基因中的一個基因可以產生出在結構和功能.上不同的蛋白質類型，從而影響有機體的生理發育圖。因此在研究遺傳多樣性時要考慮形態多態性、染色體多態性、蛋白質多態性及DNA多態性。

物種多樣性
它指有生命的有機體即動物、植物、微生物物種的多樣化。全世界科學家對物種數量還沒有精確的估計，其變化幅度為500萬至5000萬種，甚至多達1億種。而現在已定名或描述的物種僅有1401萬或170萬種。要搞清物種數量及系統進化必須依賴於分類學、生物系統學和生物地理學的研究。分類學是對有機體進行分類的理論和實踐。生物系統學是研究有機體的類別、多樣性以及它們之間相互關系的科學。生物地理學是研究有機體過去和現在分布的科學。它試圖闡明有機體及其較高級分類群分布的多種多樣格局。Candello(1820)把生物地理學劃分為兩個分支，即歷史生物地理學和生態生物地理學。歷史生物地理學主要研究地球的自然地理變遷、物種的形成和滅絕、物種的散布、特有現象、分省現象、不連續性、通過古代抱粉和化石來分析生物地理歷史。生態生物地理學主要研究近代的自然環境變遷以及物種分布的限制因子等。在自然界中的物種形成不斷延續到現在，也必然會延續到將來。物種在演化過程中，種群經常在遺傳上發生變化，這種變化可能是生物學的(由於食物改變及競爭關系)，或者是環境的(氣候變化、水的有效性、土壤特徵等)因素。當種群在遺傳上有很多變化，再也不能與產生它的原生種進行交配時，就形成了新種。這類新的物種形成被稱為系統進化(phyletio evolution)。由一個原生祖先進化為兩個或更多的新種，這可能是由於地理障礙如江河、山脈、海洋，致使該物種不能超越，妨礙了同種內不同種群間的交流，使這些種群在遺傳上適應了特定的新的島嶼、山地和深谷環境。這種地方性適應過程，並導致形成新種，稱之為適應輻射(adaptive radiation )。在正常情況下新種的起源是一個漫長過程，發生是以數千年計，至少須幾百年。新科、新屬的演化過程更慢，可能經歷幾十萬甚至幾百萬年，即使地球上不斷有新種形成，但現今物種滅絕速度大約超過新種形成速度的1000倍，這是十分嚴峻的形勢。

研究某一地區的物種多樣性時我們不僅要計算其物種數量即物種豐富度，更重要地要估算其種以上的高級分類單位屬、科、目和門等的豐富程度，也就是分類群的多樣性。在傳統地考慮物種多樣性時，對一個地區的單型的分類群給以較高的評價，如銀杏(Ginkgo biloba)在分類學上或進化上是孤立的。當物種分布范圍有一定限制時，稱為特有現象，例如銀杉屬(Cathaya)只生長在我國中南部，白鰭豚(lipotes vexillifer)只生長在洞庭湖及長江中下游，所以稱為中國的特有屬和特有種。由於動植物類群在歷史發展過程中的遷移、滅絕和進化，導致世界不同地區在動植物區繫上的多樣性、復雜性和特有性。因此在研究一個地區物種多樣性時，對該地區的特有屬和特有種亦予以充分的注意。

生態系統多樣性
生態系統多樣性是指生物圈內生境、生物群落和生態系統的多樣性以及生態系統內生境差異、生態過程變化的驚人的多樣性川。生境是指無機環境，包括氣候、土壤、地貌和水文等。生物群落是占據一定地段上生活在一起的物種，它們是存在著相互作用的群體。生物群落與其所生存的環境，發生相互作用，構成的生態綜合體稱之為生態系統。生態系統與外界環境之間不斷地發生相互作用，也就是對太陽能量的固定、分配和喪失，生物地球化學循環和水分循環等多種多樣的生態過程，並不斷發生生態系統的動態變化。
生態系統是由各種不同生物群落所組成的，生物群落多樣性是指群落的組成、結構和動態(包括演替和波動)方面的多樣化。組成生態系統的生物群落一般具有垂直結構和水平結構。群落的垂直結構往往由不同物種所組成。以森林生態系統為例，森林的林冠層及其亞層、灌木層、草本層、枯枝落葉層和土壤層都由不同生物所組成。它們在生態過程中發揮不同的功能。林中的枯立木或倒木常常是很多生物如鳥類、真菌、無脊椎動物的棲息地。具有復雜垂直結構的生態系統常常擁有極為豐富的物種。生態系統的水平結構常常與生態位(niche)多樣性相聯系。每一物種
為了維待它們種群的生存、繁殖，必須有一定物理環境，以此得到所需能量和營養物質，並逃避它們的天敵。每個物種在系統中所佔的位量稱之為生態位。生態位是復雜和多維的。它為物種提供所需要土資源的組合。如植物種的生態位由下列因素組成，即該種分布的土壤類型、土壤濕度及養分狀況，它接受光照的總量，它的授粉系統以及種子散布機理。動物物種生態位包括它所佔據的棲息地類型，它全年進食的食物類型，對越冬場所的需求。因此，每一物種的生態位是該種在生態系統中的生存空間。
導致生態系統多樣性的另一個重要方面是由於生態系統是由具有不同營養特點的生物所組成，也就是營養多樣性。植物是第一性生產者，是生態系統所有其他生物的食物源泉，一也是食物鏈或食物網的起點。在生態系統中存在著各種草食動物、肉食動物、雜食動物、分解者生物、互惠共生生物、附生生物、腐生生物以及共棲生物等。它們構成了生態系統復雜的食物網，這些具有不同營養特點生物對生態系統過程具有十分重要的貢獻，它們導致了能流、物流的多樣化過程，以及生物之間復雜的相互作用。
生態系統中的物種常常由不同年齡結構的種群所組成，物種的動態變化，特別是優勢種、關鍵種的變化會導致整個生態系統的動態發展。

景觀多樣性
這是指由不同類型景觀要素或生態系統構成的空間結構、功能機制和時間動態方面的多樣化或變異性。景觀的定義是「由一組以相似方式重復出現的，由相互作用的生態系統所組成的異質性的陸地區域」。景觀基本結構是由斑塊(patch)、廊道(corridor)和基質(marix)組成。斑塊是指動植物群落或非生命物體如裸露岩石和土壤以及建築物等。廊道是指不同於兩側基質的狹長地帶，如樹牆、防護林、河流、道路等，這些大多由人
類干擾所形成。基質是景觀中面積最大、連續性最高的景觀要素，它在景觀動態中起著重要作用。景觀的功能是指生態系統之間物種、能量和物質的流動。景觀動態是指結構與功能隨著時間的變化。自然干擾、人類活動和植被演替或波動是景觀發生動態變化的主要原因。景觀多樣性原則上為生態系統多樣性更高的等級單位，更為宏觀。
以上介紹了生物多樣性4個等級水平，人們還從生物多樣性的4個組織水平來研究生物多樣性的組成、結構和功能。生物多樣性組成有基因、物種和種群、群落和生態系統、景觀類型。結構有基因結構、種群結構、外貌和生境結構、景觀格局。功能有遺傳過程、種群統計過程和生活史、種間相互作用和生態系統過程、景觀過程、干擾和土地利用趨勢。此外還提出了文化多樣性，這是指不同文化背景下，或在同一文化背景下，對生物多樣性保護和持續利用的方式。在社會經濟驅動力和人類活動影響下，生物多樣性的價值及各種保護和利用措施會發生巨大的變化，也就是人類認識到生物多樣性在社會、倫理、信仰和民族生物學中的重要作用。

『貳』 金山生態動力多元礦溶液聲稱包治百病！是真是假

有沒有國家醫葯的生產許可證啊，沒有就是騙人的

『叄』 建設數字中國，數字化轉型，釘釘如何打造多元智能商業生態體系

2019年8月27日，釘釘召開未來組織大會，中國信息通信研究院與阿里研究院聯合發布的《釘釘商業生態系統及經濟社會價值報告》顯示，截止到2019年6月30日，釘釘企業組織數已超過1000萬，超過2億人在釘釘上工作。

釘釘智能商業生態系統自內向外，分成基座層、核心層、延伸層、增值層、宏觀層五個部分，對內貼近用戶需求，不斷提升服務品質，對外不斷拓展合作方，進一步完善服務體系。建設數字中國，數字化轉型，首選釘釘！

基座層是對核心層、延伸層、增值層層的數據安全和隱私保護層，貫穿於釘釘生態系統中的每個組成部分，是釘釘平台運行強有力的安全保障，源於有阿里巴巴集團安全部提供的技術支持。自2009年成立以來，阿里安全建立了數千人的專業安全技術團隊，從人肉排查升級到演算法智能風控，通過安全AI技術體系建立起全鏈路的風險防控能力，構建起世界級的安全風險防禦體系，來保護阿里巴巴電商平台及平台上的消費者和整個生態夥伴的安全。2018年，阿里安全技術體系全年攔截1310億次惡意攻擊，日均保護316億次用戶操作。建設數字中國，數字化轉型，首選釘釘！

核心層是釘釘的硬核實力層，主要包含釘釘輸出的功能及服務對象。釘釘輸出的功能包括企業通訊錄、即時通訊、DING等數十項軟體模塊以及指紋考勤機、人臉識別考勤機、列印雲盒等配套智聯硬體；服務對象包括涵蓋教育、金融、醫療、製造等全行業的4300萬中小企事業單位。建設數字中國，數字化轉型，首選釘釘！

延伸層是釘釘產品服務的拓展層，主要包含與釘釘企業服務開放平台第三方ISV、硬體廠商以及阿里雲等阿里服務商。第三方ISV例如石墨文檔、表單大師、叮當科技等，硬體廠商例如大眼橙公司、魔點公司等。建設數字中國，數字化轉型，首選釘釘！

增值層是配合延伸層的增值服務提供層，主要包含通信、二次定製開發、金融、咨詢、培訓、物流、認證等。如釘釘與聯通聯合推出釘釘寶卡，雲南繽果科技提供工作頁面定製、項目管理系統開發等。建設數字中國，數字化轉型，首選釘釘！

宏觀層是影響整個生態系統的外部環境層，主要包含經濟、政治、社會、技術、法律等。

釘釘圍繞軟硬體產品以及部署服務，聯合硬體提供商、第三方開發者、部署服務商、第三方機構（金融/投行）等生態要素，以協同供應為原則，以消費者為中心，激活供需主體，運用開源技術、眾創模式、平台經濟、共享經濟等新技術新理念積極探索商業模式、合作模式等創新，打造優勢互補、通力協作、資源高效配置的良性平台化生態圈。建設數字中國，數字化轉型，首選釘釘！

『肆』 做這樣的生態瓶，四十多元（原料就三十多），會覺得貴嗎會有人買嗎

有些貴。不知瓶內裝的是生物還是非生物，如果是非生物就兩元錢。

『伍』 哪些城市步行街廣場有大型盆栽！花卉！鳥籠！有專人看管！提高生活質量！生態環保健康綠色多元

哪些城市步行街有大型盆栽，花卉，鳥籠。
許多城市的步行街都有花卉，大型盆栽。
就是鳥籠沒看見過。
我覺得放鳥籠的地方會很臟，不好管理，這也是比較少見的原因吧。

『陸』 中國是一個多民族,多種生態環境和多元文化並存的國家,如何處理三者之間的關系

中國是一個多民族多生態環境和多元文化，並存的國家如何處理三者之間的關系。在我國採取的主要辦法就是民族地區自治。人民大眾共同管理國家。

『柒』 求電子書,許倬雲:新世紀的考古學-文化、區位、生態的多元互動

我有這本書的電子版，請留下郵箱或消息。

『捌』 生態學需要學習多元統計的哪些內容

1. 因子分析模型

因子分析法是從研究變數內部相關的依賴關系出發，把一些具有錯綜復雜關系的變數歸結為少數幾個綜合因子的一種多變數統計分析方法。它的基本思想是將觀測變數進行分類，將相關性較高，即聯系比較緊密的分在同一類中，而不同類變數之間的相關性則較低，那麼每一類變數實際上就代表了一個基本結構，即公共因子。對於所研究的問題就是試圖用最少個數的不可測的所謂公共因子的線性函數與特殊因子之和來描述原來觀測的每一分量。

因子分析的基本思想：
把每個研究變數分解為幾個影響因素變數，將每個原始變數分解成兩部分因素，一部分是由所有變數共同具有的少數幾個公共因子組成的，另一部分是每個變數獨自具有的因素，即特殊因子

因子分析模型描述如下：

（1）X = (x1，x2，…，xp)￠是可觀測隨機向量，均值向量E(X)=0，協方差陣Cov(X)=∑，且協方差陣∑與相關矩陣R相等（只要將變數標准化即可實現）。

（2）F = (F1，F2，…，Fm)￠ （m<p）是不可測的向量，其均值向量E(F)=0，協方差矩陣Cov(F) =I，即向量的各分量是相互獨立的。

（3）e = (e1，e2，…，ep)￠與F相互獨立，且E(e)=0， e的協方差陣∑是對角陣，即各分量e之間是相互獨立的，則模型：

x1 = a11F1+ a12F2 +…+a1mFm + e1

x2 = a21F1+a22F2 +…+a2mFm + e2

………

xp = ap1F1+ ap2F2 +…+apmFm + ep

稱為因子分析模型，由於該模型是針對變數進行的，各因子又是正交的，所以也稱為R型正交因子模型。

其矩陣形式為： x =AF + e .

其中：

x=，A=，F=，e=

這里，

（1）m ￡ p；

（2）Cov(F，e)=0，即F和e是不相關的；

（3）D(F) = Im ，即F1，F2，…，Fm不相關且方差均為1；

D(e)=，即e1，e2，…，ep不相關，且方差不同。

我們把F稱為X的公共因子或潛因子，矩陣A稱為因子載荷矩陣，e 稱為X的特殊因子。

A = (aij)，aij為因子載荷。數學上可以證明，因子載荷aij就是第i變數與第j因子的相關系數，反映了第i變數在第j因子上的重要性。

2. 模型的統計意義

模型中F1，F2，…，Fm叫做主因子或公共因子，它們是在各個原觀測變數的表達式中都共同出現的因子，是相互獨立的不可觀測的理論變數。公共因子的含義，必須結合具體問題的實際意義而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1，2，…，p)所特有的因子，各特殊因子之間以及特殊因子與所有公共因子之間都是相互獨立的。模型中載荷矩陣A中的元素(aij)是為因子載荷。因子載荷aij是xi與Fj的協方差，也是xi與Fj的相關系數，它表示xi依賴Fj的程度。可將aij看作第i個變數在第j公共因子上的權，aij的絕對值越大(|aij|￡1)，表明xi與Fj的相依程度越大，或稱公共因子Fj對於xi的載荷量越大。為了得到因子分析結果的經濟解釋，因子載荷矩陣A中有兩個統計量十分重要，即變數共同度和公共因子的方差貢獻。

因子載荷矩陣A中第i行元素之平方和記為hi2，稱為變數xi的共同度。它是全部公共因子對xi的方差所做出的貢獻，反映了全部公共因子對變數xi的影響。hi2大表明x的第i個分量xi對於F的每一分量F1，F2，…，Fm的共同依賴程度大。

將因子載荷矩陣A的第j列( j =1，2，…，m)的各元素的平方和記為gj2，稱為公共因子Fj對x的方差貢獻。gj2就表示第j個公共因子Fj對於x的每一分量xi(i= 1，2，…，p)所提供方差的總和，它是衡量公共因子相對重要性的指標。gj2越大，表明公共因子Fj對x的貢獻越大，或者說對x的影響和作用就越大。如果將因子載荷矩陣A的所有gj2 ( j =1，2，…，m)都計算出來，使其按照大小排序，就可以依此提煉出最有影響力的公共因子。

3. 因子旋轉

建立因子分析模型的目的不僅是找出主因子，更重要的是知道每個主因子的意義，以便對實際問題進行分析。如果求出主因子解後，各個主因子的典型代表變數不很突出，還需要進行因子旋轉，通過適當的旋轉得到比較滿意的主因子。

旋轉的方法有很多，正交旋轉(orthogonal rotation)和斜交旋轉(oblique rotation)是因子旋轉的兩類方法。最常用的方法是最大方差正交旋轉法(Varimax)。進行因子旋轉，就是要使因子載荷矩陣中因子載荷的平方值向0和1兩個方向分化，使大的載荷更大，小的載荷更小。因子旋轉過程中，如果因子對應軸相互正交，則稱為正交旋轉；如果因子對應軸相互間不是正交的，則稱為斜交旋轉。常用的斜交旋轉方法有Promax法等。

4.因子得分

因子分析模型建立後，還有一個重要的作用是應用因子分析模型去評價每個樣品在整個模型中的地位，即進行綜合評價。例如地區經濟發展的因子分析模型建立後，我們希望知道每個地區經濟發展的情況，把區域經濟劃分歸類，哪些地區發展較快，哪些中等發達，哪些較慢等。這時需要將公共因子用變數的線性組合來表示，也即由地區經濟的各項指標值來估計它的因子得分。

設公共因子F由變數x表示的線性組合為：

Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1，2，…，m

該式稱為因子得分函數，由它來計算每個樣品的公共因子得分。若取m=2，則將每個樣品的p個變數代入上式即可算出每個樣品的因子得分F1和F2，並將其在平面上做因子得分散點圖，進而對樣品進行分類或對原始數據進行更深入的研究。

但因子得分函數中方程的個數m小於變數的個數p，所以並不能精確計算出因子得分，只能對因子得分進行估計。估計因子得分的方法較多，常用的有回歸估計法，Bartlett估計法，Thomson估計法。

（1）回歸估計法

F = X b = X (X ￠X)-1A￠ = XR-1A￠ (這里R為相關陣，且R = X ￠X )。

（2）Bartlett估計法

Bartlett估計因子得分可由最小二乘法或極大似然法導出。

F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X = (A￠W-1A)-1A￠W-1X

（3）Thomson估計法

在回歸估計法中，實際上是忽略特殊因子的作用，取R = X ￠X，若考慮特殊因子的作用，此時R = X ￠X＋W，於是有：

F = XR-1A￠ = X (X ￠X＋W)-1A￠

這就是Thomson估計的因子得分，使用矩陣求逆演算法(參考線性代數文獻)可以將其轉換為：

F = XR-1A￠ = X (I+A￠W-1A)-1W-1A￠

5. 因子分析的步驟

因子分析的核心問題有兩個：一是如何構造因子變數；二是如何對因子變數進行命名解釋。因此，因子分析的基本步驟和解決思路就是圍繞這兩個核心問題展開的。

（i）因子分析常常有以下四個基本步驟：

（1）確認待分析的原變數是否適合作因子分析。

（2）構造因子變數。

（3）利用旋轉方法使因子變數更具有可解釋性。

（4）計算因子變數得分。

（ii）因子分析的計算過程：

（1）將原始數據標准化，以消除變數間在數量級和量綱上的不同。

（2）求標准化數據的相關矩陣；

（3）求相關矩陣的特徵值和特徵向量；

（4）計算方差貢獻率與累積方差貢獻率；

（5）確定因子：

設F1，F2，…， Fp為p個因子，其中前m個因子包含的數據信息總量（即其累積貢獻率）不低於80%時，可取前m個因子來反映原評價指標；

（6）因子旋轉：

若所得的m個因子無法確定或其實際意義不是很明顯，這時需將因子進行旋轉以獲得較為明顯的實際含義。

（7）用原指標的線性組合來求各因子得分：

採用回歸估計法，Bartlett估計法或Thomson估計法計算因子得分。

（8）綜合得分

以各因子的方差貢獻率為權，由各因子的線性組合得到綜合評價指標函數。

F = (w1F1+w2F2+…+wmFm)／(w1+w2+…+wm )

此處wi為旋轉前或旋轉後因子的方差貢獻率。

（9）得分排序：利用綜合得分可以得到得分名次。

在採用多元統計分析技術進行數據處理、建立宏觀或微觀系統模型時，需要研究以下幾個方面的問題：

· 簡化系統結構，探討系統內核。可採用主成分分析、因子分析、對應分析等方法，在眾多因素中找出各個變數最佳的子集合，從子集合所包含的信息描述多變數的系統結果及各個因子對系統的影響。「從樹木看森林」，抓住主要矛盾，把握主要矛盾的主要方面，舍棄次要因素，以簡化系統的結構，認識系統的內核。

· 構造預測模型，進行預報控制。在自然和社會科學領域的科研與生產中，探索多變數系統運動的客觀規律及其與外部環境的關系，進行預測預報，以實現對系統的最優控制，是應用多元統計分析技術的主要目的。在多元分析中，用於預報控制的模型有兩大類。一類是預測預報模型，通常採用多元線性回歸或逐步回歸分析、判別分析、雙重篩選逐步回歸分析等建模技術。另一類是描述性模型，通常採用聚類分析的建模技術。

· 進行數值分類，構造分類模式。在多變數系統的分析中，往往需要將系統性質相似的事物或現象歸為一類。以便找出它們之間的聯系和內在規律性。過去許多研究多是按單因素進行定性處理，以致處理結果反映不出系統的總的特徵。進行數值分類，構造分類模式一般採用聚類分析和判別分析技術。

如何選擇適當的方法來解決實際問題，需要對問題進行綜合考慮。對一個問題可以綜合運用多種統計方法進行分析。例如一個預報模型的建立，可先根據有關生物學、生態學原理，確定理論模型和試驗設計；根據試驗結果，收集試驗資料；對資料進行初步提煉；然後應用統計分析方法(如相關分析、逐步回歸分析、主成分分析等)研究各個變數之間的相關性，選擇最佳的變數子集合；在此基礎上構造預報模型，最後對模型進行診斷和優化處理，並應用於生產實際。
Rotated Component Matrix，就是經轉軸後的因子負荷矩陣，
當你設置了因子轉軸後，便會產生這結果。
轉軸的是要得到清晰的負荷形式，以便研究者進行因子解釋及命名。

SPSS的Factor Analysis對話框中，有個Rotation鈕，點擊便會彈出Rotation對話框，
其中有5種因子旋轉方法可選擇：

1.最大變異法(Varimax)：使負荷量的變異數在因子內最大，亦即，使每個因子上具有最高載荷的變數數最少。

2.四次方最大值法(Quartimax)：使負荷量的變異數在變項內最大，亦即，使每個變數中需要解釋的因子數最少。

3.相等最大值法(Equamax)：綜合前兩者，使負荷量的變異數在因素內與變項內同時最大。

4.直接斜交轉軸法(Direct Oblimin)：使因素負荷量的差積（cross-procts）最小化。

5.Promax 轉軸法：將直交轉軸(varimax)的結果再進行有相關的斜交轉軸。因子負荷量取2，4，6次方以產生接近0但不為0的值，藉以找出因子間的相關，但仍保有最簡化因素的特性。

上述前三者屬於「直交(正交)轉軸法」(Orthogonal Rotations)，在直交轉軸法中，因子與因子之間沒有相關，因子軸之間的夾角等於90 度。後兩者屬於「斜交轉軸」(oblique rotations)，表示因子與因子之間彼此有某種程度的相關，因素軸之間的夾角不是90度。

直交轉軸法的優點是因子之間提供的訊息不會重疊，受訪者在某一個因子的分數與在其他因子的分數，彼此獨立互不相關；缺點是研究迫使因素之間不相關，但這種情況在實際的情境中往往並不常存在。至於使用何種轉軸方式，須視乎研究題材、研究目的及相關理論，由研究者自行設定。

在根據結果解釋因子時，除了要看因子負荷矩陣中，因子對哪些變數呈高負荷，對哪些變數呈低負荷，還須留意之前所用的轉軸法代表的意義。

2,主成分分析（principal component analysis）

將多個變數通過線性變換以選出較少個數重要變數的一種多元統計分析方法。又稱主分量分析。在實際課題中，為了全面分析問題，往往提出很多與此有關的變數（或因素），因為每個變數都在不同程度上反映這個課題的某些信息。但是，在用統計分析方法研究這個多變數的課題時，變數個數太多就會增加課題的復雜性。人們自然希望變數個數較少而得到的信息較多。在很多情形，變數之間是有一定的相關關系的，當兩個變數之間有一定相關關系時，可以解釋為這兩個變數反映此課題的信息有一定的重疊。主成分分析是對於原先提出的所有變數，建立盡可能少的新變數，使得這些新變數是兩兩不相關的，而且這些新變數在反映課題的信息方面盡可能保持原有的信息。主成分分析首先是由K.皮爾森對非隨機變數引入的，爾後H.霍特林將此方法推廣到隨機向量的情形。信息的大小通常用離差平方和或方差來衡量。
（1）主成分分析的原理及基本思想。
原理：設法將原來變數重新組合成一組新的互相無關的幾個綜合變數，同時根據實際需要從中可以取出幾個較少的總和變數盡可能多地反映原來變數的信息的統計方法叫做主成分分析或稱主分量分析，也是數學上處理降維的一種方法。
基本思想：主成分分析是設法將原來眾多具有一定相關性（比如P個指標），重新組合成一組新的互相無關的綜合指標來代替原來的指標。通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Var(F1)越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F2即選第二個線性組合，為了有效地反映原來信息，F1已有的信息就不需要再出現再F2中，用數學語言表達就是要求Cov(F1, F2)=0，則稱F2為第二主成分，依此類推可以構造出第三、第四，……，第P個主成分。
（2）步驟
Fp=a1mZX1+a2mZX2+……+apmZXp
其中a1i, a2i, ……,api(i=1,……,m)為X的協方差陣∑的特徵值多對應的特徵向量，ZX1, ZX2, ……, ZXp是原始變數經過標准化處理的值，因為在實際應用中，往往存在指標的量綱不同，所以在計算之前須先消除量綱的影響，而將原始數據標准化，本文所採用的數據就存在量綱影響[註：本文指的數據標准化是指Z標准化]。
A=(aij)p×m=(a1,a2,…am,)，Rai=λiai，R為相關系數矩陣，λi、ai是相應的特徵值和單位特徵向量,λ1≥λ2≥…≥λp≥0 。
進行主成分分析主要步驟如下：
1. 指標數據標准化（SPSS軟體自動執行）；
2. 指標之間的相關性判定；
3. 確定主成分個數m；
4. 主成分Fi表達式；
5. 主成分Fi命名；

選用以上兩種方法時的注意事項如下：
1、因子分析中是把變數表示成各因子的線性組合，而主成分分析中則是把主成分表示成個變數的線性組合。

2、主成分分析的重點在於解釋個變數的總方差，而因子分析則把重點放在解釋各變數之間的協方差。

3、主成分分析中不需要有假設(assumptions)，因子分析則需要一些假設。因子分析的假設包括：各個共同因子之間不相關，特殊因子（specific factor）之間也不相關，共同因子和特殊因子之間也不相關。

4、主成分分析中，當給定的協方差矩陣或者相關矩陣的特徵值是唯一的時候，的主成分一般是獨特的；而因子分析中因子不是獨特的，可以旋轉得到不同的因子。

5、在因子分析中，因子個數需要分析者指定（spss根據一定的條件自動設定，只要是特徵值大於1的因子進入分析），而指定的因子數量不同而結果不同。在主成分分析中，成分的數量是一定的，一般有幾個變數就有幾個主成分。和主成分分析相比，由於因子分析可以使用旋轉技術幫助解釋因子，在解釋方面更加有優勢。大致說來，當需要尋找潛在的因子，並對這些因子進行解釋的時候，更加傾向於使用因子分析，並且藉助旋轉技術幫助更好解釋。而如果想把現有的變數變成少數幾個新的變數（新的變數幾乎帶有原來所有變數的信息）來進入後續的分析，則可以使用主成分分析。當然，這中情況也可以使用因子得分做到。所以這中區分不是絕對的。

總得來說，主成分分析主要是作為一種探索性的技術，在分析者進行多元數據分析之前，用主成分分析來分析數據，讓自己對數據有一個大致的了解是非常重要的。主成分分析一般很少單獨使用：a，了解數據。(screening the data)，b，和cluster analysis一起使用，c，和判別分析一起使用，比如當變數很多，個案數不多，直接使用判別分析可能無解，這時候可以使用主成份發對變數簡化。（rece dimensionality）d，在多元回歸中，主成分分析可以幫助判斷是否存在共線性（條件指數），還可以用來處理共線性。

在演算法上，主成分分析和因子分析很類似，不過，在因子分析中所採用的協方差矩陣的對角元素不在是變數的方差，而是和變數對應的共同度（變數方差中被各因子所解釋的部分）。

(1)了解如何通過SPSS因子分析得出主成分分析結果。首先，選擇SPSS中Analyze－Data Rection－Factor…，在Extraction…對話框中選擇主成分方法提取因子，選擇好因子提取個數標准後點確定完成因子分析。打開輸出結果窗口後找到Total Variance Explained表和Component Matrix表。將Component Matrix表中第一列數據分別除以Total Variance Explained表中第一特徵根值的開方得到第一主成分表達式系數，用類似方法得到其它主成分表達式。打開數據窗口，點擊菜單項的Analyze－Descriptive Statistics－Descriptives…，在打開的新窗口下方構選Save standardized values as variables，選定左邊要分析的變數。點擊Options，只構選Means，點確定後既得待分析變數的標准化新變數。

選擇菜單項Transform－Compute…，在Target Variable中輸入：Z1（主成分變數名，可以自己定義），在Numeric Expression中輸入例如：0.412（剛才主成分表達式中的系數）*Z人口數（標准化過的新變數名）+0.212*Z第一產業產值+…，點確定即得到主成分得分。通過對主成分得分的排序即可進行各個個案的綜合評價。很顯然，這里的過程分為四個步驟：

Ⅰ.選主成分方法提取因子進行因子分析。

Ⅱ.計算主成分表達式系數。

Ⅲ.標准化數據。

Ⅳ.計算主成分得分。

我們的程序也將依該思路展開開發。

（2）對為何要將Component Matrix表數據除以特徵根開方的解釋

我們學過主成分分析和因子分析後不難發現，原來因子分析時的因子載荷矩陣就是主成分分析特徵向量矩陣乘以對應特徵根開方值的對角陣。而Component Matrix表輸出的恰是因子載荷矩陣，所以求主成分特徵向量自然是上面描述的逆運算。

成功啟動程序後選定分析變數和主成分提取方法即可在數據窗口輸出得分和在OUTPUT窗口輸出主成分表達式。

3,聚類分析(Cluster Analysis)

聚類分析是直接比較各事物之間的性質，將性質相近的歸為一類，將性質差別較大的歸入不同的類的分析技術 。

在市場研究領域，聚類分析主要應用方面是幫助我們尋找目標消費群體，運用這項研究技術，我們可以劃分出產品的細分市場，並且可以描述出各細分市場的人群特徵，以便於客戶可以有針對性的對目標消費群體施加影響，合理地開展工作。

4.判別分析(Discriminatory Analysis)

判別分析(Discriminatory Analysis)的任務是根據已掌握的1批分類明確的樣品，建立較好的判別函數，使產生錯判的事例最少，進而對給定的1個新樣品，判斷它來自哪個總體。根據資料的性質，分為定性資料的判別分析和定量資料的判別分析；採用不同的判別准則，又有費歇、貝葉斯、距離等判別方法。

費歇（FISHER）判別思想是投影，使多維問題簡化為一維問題來處理。選擇一個適當的投影軸，使所有的樣品點都投影到這個軸上得到一個投影值。對這個投影軸的方向的要求是：使每一類內的投影值所形成的類內離差盡可能小，而不同類間的投影值所形成的類間離差盡可能大。貝葉斯（BAYES）判別思想是根據先驗概率求出後驗概率，並依據後驗概率分布作出統計推斷。所謂先驗概率，就是用概率來描述人們事先對所研究的對象的認識的程度；所謂後驗概率，就是根據具體資料、先驗概率、特定的判別規則所計算出來的概率。它是對先驗概率修正後的結果。

距離判別思想是根據各樣品與各母體之間的距離遠近作出判別。即根據資料建立關於各母體的距離判別函數式，將各樣品數據逐一代入計算，得出各樣品與各母體之間的距離值，判樣品屬於距離值最小的那個母體。

5.對應分析(Correspondence Analysis)

對應分析是一種用來研究變數與變數之間聯系緊密程度的研究技術。

運用這種研究技術，我們可以獲取有關消費者對產品品牌定位方面的圖形，從而幫助您及時調整營銷策略，以便使產品品牌在消費者中能樹立起正確的形象。

這種研究技術還可以用於檢驗廣告或市場推廣活動的效果，我們可以通過對比廣告播出前或市場推廣活動前與廣告播出後或市場推廣活動後消費者對產品的不同認知圖來看出廣告或市場推廣活動是否成功的向消費者傳達了需要傳達的信息。

『玖』 植物的多樣性是指哪些

就植物來說，它是有多樣性的，植物的遺傳多樣性也稱作基因多樣性，是指種內個體之間或一個群體內不同個體的遺傳變異的總和。例如菊花是常見的觀賞花卉，目前已形成近3000多個品種；辣椒的品種也很多，果實形態相差很大。由上述可知，一個物種的遺傳多樣性是很豐富的，人類可以誘導、積累並豐富栽培植物的遺傳多樣性。

如果通俗來說，植物多樣性指的就是地球上的植物及其與其他生物、環境所形成的所有形式、層次、組合的多樣化。一般我們可以從如下3個方面來理解，也就是植物的物種多樣性、植物生態習性和生態系統的多樣性。

所謂植物的物種多樣性，指的就是植物在物種水平上的多樣性，這不但是指一個地區內物種的多樣化，而且也可以指全球范圍內的物種的多樣化。中國高等植物約3萬余種，佔世界總數的10.5%左右。保存了許多特有的植物類群，有銀杏科、杜仲科、珙桐科、獨葉草科、芒苞草科、伯樂樹科和大血藤科等7個特有科，243個特有屬，15000多個特有種。這些物種有可能具有某些對人類有用的潛在價值。如，素有水果之王美稱的獼猴桃，原產我國，目前已在紐西蘭成為主要的出口水果。然而獼猴桃屬的主要分布地則是我國，全世界共有54種獼猴桃，單我國就有52種。我們現在不能預測哪種獼猴桃的生理、生態特性是人類所急切需要的，所以一定要保護這些物種和它的生存條件。

所謂植物生態習性和生態系統的多樣性，指的就是植物長期進化過程中和生態環境之間所形成的多種多樣的生態適應性以及植物群落、生態過程變化的多樣化。植物生態適應性使得它們在各自的生態系統中占據了一定的生態位，讓它們能夠穩定地生存在各自特定的環境條件。如寄生植物、腐生植物、共生植物、食蟲植物以及熱帶雨林中的絞殺植物等。植物作為生態系統中的生產者，一般生態系統都是以植物的物種來命名的，所以生態系統的多樣性是和植物息息相關的。

我們疆域廣闊，氣候和地貌類型較復雜，南北跨越熱帶、溫帶和寒帶三帶，高原山地約佔4/5，河流縱橫，湖泊星羅棋布，海岸線漫長，復雜的自然條件使得我國的生態系統極其豐富多樣。總結一下，我國的陸地生態系統中有森林212類、灌叢113類、草甸77類、沼澤19類、紅樹林18類、草原55類、荒漠52類、凍原及高山墊狀植被17類；在水生生態系統中有各類河流生態系統、湖泊生態系統以及海洋生態系統等；除此之外，還有多種多樣的田地、果園、防護林等農田生態系統，舉不勝舉。