多元回归树分析MultivariateRegressionTrees，MRT.docxVIP

多元回归树分析MultivariateRegressionTrees,MRT 多元回归树（MultivariateRegressionTrees,MRT）是单元归树的拓展，是一种对一系列连续型变■递归划分成多个类群的聚类方法，是在决策树（decision-trees）S础上发展起来的一种较新的分类技术.同一般回归模型一样,MRT也需要因变■（响应变量，群落学中一般是物种数据）和自变量（预测变?，T般为环境因子数据）。不同的是，MRT不需要在响应变量和预测变量之间建立参数估计的回归关系而是以预测变■为分类节点,利用二歧式的分割法也质^split）,将由响应变量定义的空间（样方）逐步划分为尽可能同质的类别，每一次划分都由某一预测变■（环境因子）的一个最佳划分值来完成，将响应变■定义的空间（样方）分成两个部分（也叫节点,node）,最佳划分原则是让两个节点内部的差异尽■小节点间的差异尽■尢 MRT是一种强大而可靠的分类方法，即使被划分的变量含有缺失值，或者响应变量与解释变量是非线性关系，或解释变量之间存在高阶相互关系，经过交叉验证等一系列筛选过程，多元回归树都能够发挥很好的预测作用。 多元回归树结果通常用一个倒立的树状结构图表示，上面的节点为分支点，分枝点是能够使得两分枝的响应变量的变异最大的预测变量的某个值，使得各节点（分类群）内样本的总方差最小或由于样本数量过少无法继续分层，这里的终