Variable selection

[rvosa]

De set niet-gecorreleerde variabelen kan op verschillende manieren bepaald worden, bijvoorbeeld met de hand (te veel werk voor 220 soorten, lijkt me) of automatisch, door iteratief variabelen te verwijderen en AIC tests te doen. Het eindresultaat is dan dat er voor elke soort in principe een andere set variabelen geselecteerd zou kunnen worden. Is dat erg voor de vergelijkbaarheid? Bijvoorbeeld, als twee variabelen altijd met elkaar correleren (zeg, twee proxies die met temperatuur te maken hebben), dan zou het goed zijn voor de interpretatie dat we altijd dezelfde van de twee te selecteren. Maar misschien is het sowieso goed om ook modellen te bouwen waar alle soorten dezelfde set variabelen gebruiken? Punt van discussie...

[rvosa]

De gehanteerde method is nu hier geimplementeerd:

trait-geo-diverse-ungulates/script/MaxEnt_function.R

Lines 2 to 55 in f2df7fc

	removeCollinearity_adjusted <- function(raster.stack, multicollinearity.cutoff = .7,
	select.variables = FALSE, sample.points = FALSE,
	nb.points = 10000, plot = FALSE)
	{
	env.df <- getValues(raster.stack)
	env.df <- env.df[-unique(which(is.na(env.df), arr.ind = T)[, 1]), ] # Removing NAs
	# Correlation matrix creation
	cor.matrix <- matrix(data = 0,
	nrow = nlayers(raster.stack),
	ncol = nlayers(raster.stack),
	dimnames = list(names(raster.stack), names(raster.stack)))
	# Correlation based on Pearson
	cor.matrix<-1 - abs(stats::cor(env.df, method = "pearson" ))
	cor.matrix[is.na(cor.matrix)]<- 0
	# Transforming the correlation matrix into an ascendent hierarchical classification
	dist.matrix <- stats::as.dist(cor.matrix)
	ahc <- stats::hclust(dist.matrix, method = "complete")
	groups <- stats::cutree(ahc, h = 1 - multicollinearity.cutoff)
	if(length(groups) == max(groups))
	{
	message(paste(" - No multicollinearity detected in your data at threshold ", multicollinearity.cutoff, "\n", sep = ""))
	mc <- FALSE
	} else
	{ mc <- TRUE }
	# Random selection of variables
	if(select.variables)
	{
	sel.vars <- NULL
	for (i in 1:max(groups))
	{
	sel.vars <- c(sel.vars, sample(names(groups[groups == i]), 1))
	}
	} else
	{
	if(mc)
	{
	sel.vars <- list()
	for (i in groups)
	{
	sel.vars[[i]] <- names(groups)[groups == i]
	}
	} else
	{
	sel.vars <- names(raster.stack)
	}
	}
	return(sel.vars)
	}