如何在NMDS中处理负值？metaMDS报错及适配距离咨询

先修正代码报错 #

你碰到的object 'bray' not found错误，是因为metaMDS的distance参数需要传入字符串格式的距离方法名，而非直接写bray。修正后的基础代码如下：

library(vegan)
nmds_results <- metaMDS(comm = orders[,3:8], distance = "bray", try = 100)

但这个修正后仍会因数据含负值无法使用Bray-Curtis，需结合下方方案处理。

数据含负值的处理思路 #

Bray-Curtis距离仅适用于非负数据（如物种丰度类数据），针对你的情况有两种可行方向：

思路1：预处理消除负值 #

根据负值的实际含义选择合适的处理方式：

• 偏移法：给所有数据加一个常数，让最小值变为非负，保留数据相对差异：

  # 计算数据最小值的绝对值
  min_val <- abs(min(orders[,3:8]))
  # 生成非负数据集
  comm_nonneg <- orders[,3:8] + min_val
  # 基于非负数据执行NMDS
  nmds_results <- metaMDS(comm = comm_nonneg, distance = "bray", try = 100)
  

• 截断法：若负值代表测量误差或“无”的含义，可将负值设为0（需确保符合数据逻辑，谨慎使用）：

  comm_nonneg <- orders[,3:8]
  comm_nonneg[comm_nonneg < 0] <- 0
  nmds_results <- metaMDS(comm = comm_nonneg, distance = "bray", try = 100)
  

思路2：更换支持负值的距离方法 #

直接选用适配带负值数据的距离类型，常用选项：

• 欧氏距离（Euclidean）：最常用的连续型数据距离，天然支持负值：

  nmds_results <- metaMDS(comm = orders[,3:8], distance = "euclidean", try = 100)
  

• 曼哈顿距离（Manhattan）：对异常值的鲁棒性优于欧氏距离：

  nmds_results <- metaMDS(comm = orders[,3:8], distance = "manhattan", try = 100)
  

• 皮尔逊相关距离：适合关注样本间相关性而非绝对差异的场景，需先计算距离矩阵再传入：

  # 先计算相关距离矩阵
  dist_mat <- vegdist(orders[,3:8], method = "correlation")
  # 传入距离矩阵执行NMDS
  nmds_results <- metaMDS(dist = dist_mat, try = 100)
  

内容的提问来源于stack exchange，提问作者Kazi