可重复性研究作业

📦 源代码: GitHub 仓库

1. 项目简介

本项目是 D2RS 课程的可重复性研究作业，包含热图、散点回归、多变量回归和结构方程模型等分析代码。

2. 个人信息

• 学号：2025303120128
• 专业：资源利用与植物保护

3. 分析代码

3.1 热图代码（Figure 1）

library(tidyverse)
library(corrplot)

# 读取数据
df <- read.csv("your_data.csv")

# 选择变量
df2 <- df %>%
  select(Nmin, MAT, SOC, Microbial, Clay) %>%
  na.omit()

# 标准化数据
df_scaled <- scale(df2)

# 计算相关矩阵
cor_matrix <- cor(df_scaled)

# 绘制热图
corrplot(cor_matrix,
         method = "color",
         type = "upper",
         order = "hclust",
         addCoef.col = "black",
         tl.col = "black")

功能: 生成变量间的相关性热图，展示土壤属性与微生物指标的关系。

3.2 散点加回归代码（Figure 2）

library(ggplot2)

# MAT vs Nmin 散点图
ggplot(df2, aes(x = MAT, y = Nmin)) +
  geom_point() +
  geom_smooth(method = "lm") +
  theme_bw()

# Microbial vs Nmin 散点图
ggplot(df2, aes(x = Microbial, y = Nmin)) +
  geom_point() +
  geom_smooth(method = "lm") +
  theme_bw()

功能: 生成散点图和线性回归拟合线，展示变量间的相关关系。

3.3 多变量回归结果图（Figure 3）

# 多变量回归模型
model <- lm(Nmin ~ MAT + SOC + Microbial + Clay, data = df2)

# 查看回归结果
summary(model)

功能: 进行多变量回归分析，评估各变量对 Nmin 的影响。

3.4 结构方程模型（Figure 6）

library(lavaan)

# 定义 SEM 模型
sem_model <- '
Nmin ~ Microbial + SOC + MAT
Microbial ~ SOC + MAT
SOC ~ MAT
'

# 拟合模型
fit <- sem(sem_model, data = df_scaled)

# 查看结果
summary(fit, standardized = TRUE)

功能: 使用结构方程模型分析变量间的直接和间接效应。

4. 项目结构

-https-github.com-D2RS-2026spring-30-niu-github.io-e35c922/
├── README.md
├── report.qmd              # 本报告
├── 代码                     # R 代码文件
├── 牛静霞                   # 个人信息
├── 牛静霞的个人主页.html     # 个人主页
└── Untitled-1.html         # 未命名文件

5. 结论

本项目展示了可重复性研究的基本分析流程，包括热图、散点回归、多变量回归和结构方程模型等方法。代码结构清晰，可直接运行。