PC-ORD对电子表格中的生态数据进行多变量分析。PC-ORD的重点是非参数工具、图形表示、随机化测试和自举置信区间的社区数据分析。除了用于转换数据和管理文件的实用程序之外，PC-ORD还提供了许多统计数据包中不可用的排序和分类技术：CCA、DCA、指示物种分析、Mantel试验、部分Mantel试验、MRPP、PCoA、perMANOVA、RDA、双向聚类、TWINSPAN、Beals平滑、多样性指数、物种列表、许多排序叠加方法（定量、符号编码、颜色编码、网格、联合图、双情节、连续向量）、各种旋转方法、3D排序、Bray-Curtis排序、城市街区距离测量、物种面积曲线、树数据摘要、发布质量树图、自动驾驶模式的非度量多维范围（NMS或NMDS）。可以分析大型数据集。只要您计算机的内存够，大多数操作接受最多32,000行或32,000列和最多536,848,900个矩阵元素的矩阵。完整的手册包括上下文敏感的帮助系统。
PC-ORD和R软件功能对比
虽然在PC-ORD和R中有许多相同的工具可用，但是用户体验从根本上不同。为了对R中的社区数据进行必要和适当的分析，您必须学习R编程语言，手动识别、搜索、下载“vegan”和各种其他的程序包，并根据需要修改代码以实现分析目标并获得合适的图形。PC-ORD软件操作简单、专家驱动的分析偏好选项、点击图形用户界面便利、交互式图形的功能很灵活、内置上下文敏感的帮助系统以及免费专用技术支持，这些在R软件里都是没有的功能。R软件鼓励用户开发脚本，PC-ORD还允许高级用户通过其“批处理”功能开发脚本，以及将用户开发的模块集成到菜单系统中。因此，PC-ORD使您能够快速、有信心地选择、运行和解释适当的分析，并在没有准备工作的情况下生成定制的、出版质量的图形。使社区分析的过程变得简单和容易，以至于初学者实际上有可能做到这一点并且做得正确。PC-ORD不仅把您需要的大部分工具放在一个地方，而且因为编程已经为您完成了，您可以把时间花在探索数据、回答问题和测试假设等真正重要的事情上。PC-ORD帮助您确保可以清楚地看到数据集和目标的选项，并帮助您以强大的图形和详细的解释结果列表解释您的结果。
PD-ORD具备的而R软件没有的功能
Integrated：快速便捷的Windows菜单驱动分析和图形化集成到单个程序中。
Supported：及时的软件和分析问题反馈。
Flexible：菜单驱动的参数设置选项允许适当的定制分析。
Comprehensive：包括主要分析工具和社区分析的独特工具。
Help System：广泛的上下文敏感帮助系统。
Advisor Wizard：帮助您决定如何转换和分析数据。
Decision Tree Poster：帮助您理解Advisor Wizard逻辑。
Step-by-Step Book：详细的向导手册。
Analysis Book：介绍各种分析方法。
新图形
山顶图
山顶图是在单个图形上一次显示多个非线性响应面的方法。我们知道的第一个使用的是Nelson et al(2015)。在PC-ORD中，响应面叠加在一个排序上作为叠加。这使得能够同时测量和显示一维和二维，相关联的非线性社区-特质-环境。对于每个所选择的覆盖变量，我们跟踪特定的轮廓，指定该变量的范围的百分比。每个包含的区域是一个“hilltop”，多个部分透明的山丘被叠加在一个排序上。结果图显示了许多非线性覆盖变量（例如，性状、物种丰富度或环境变量）在单个图中的最大值。因为hilltops是基于轮廓的响应面，您可以通过阅读叠加来更好地理解山顶图的基础。在山顶图和等高线图之间使用的主要区别是一次只能显示一个变量的等高线图，而在同一个排序上可以画出许多山峰。这是一个有缺失的信息，当转到山顶图时，大部分的轮廓曲线被丢弃，但它具有同时表示多个非线性关系的优点。
等高线覆盖图
当您选择一个Q变量作为覆盖时，您会得到一个表格显示拟合是如何随柔韧度（平滑参数）变化而变化的，这个参数被用于非参数回归的覆盖变量而不是轴得分。如果您选择“Optimize” 柔韧度，PC-ORD会选择具有最高交叉验证适合度（xR²）的柔韧度。如果您希望为柔韧度选择特定值，请选择”Specify”柔韧度。如果需要的话，使用“Optimize”下的表格来帮助您选择一个特定的柔韧度。最后，您可以得到一个轮廓叠加到排序空间中，您还可以自定义，包括颜色阴影和/或轮廓间隔标记。
凸包填充多边形
凸包是使用多边形包围一组中所有点的覆盖物。这个覆盖的目的是通过在排序或散点图中使用该组的最外点来显示一个组的轮廓。这可以帮助用户辨别是否以及如何在散点图中分离或重叠组。形成凸壳的基本规则是，组中的外点以闭合多边形连接，使得相邻的段总是使内角小于或等于180度。绘制凸包需要至少三个点。然而，只有三点的凸包必须将这些点中的每一点作为多边形的顶点（角）。
NMS Stress by Iteration
Medium 4D Solution
Slow 6D Solution
实时显示NMS每一次迭代的应力是如何变化的。显示的每一个步骤都在实时更新，改进排序空间中点的配置。这个图片很有趣，信息也很丰富。有趣的是您得到一个动态的、丰富多彩的、有趣的窗口到NMS的进程中。对于每次运行和维度，您可以看到随着迭代次数的增加，应力降低。每个维度是彩色编码的，并且显示独立的面板用于真实和随机运行。这些图表的信息来自对NMS替代方案的稳定性和一致性的洞察。不稳定的结构表现为垂直的锯齿形。一致性表现为在给定水平上的最小应力平台。着维数的增加，维数的重要性表现为最终应力的递减序列。
Traits
PC-ORD提供将物种性状数据（性状矩阵）与社区样本（主矩阵）和环境数据（第二矩阵）联系起来的方法。虽然这些操作中的许多可以在其他PC-ORD菜单项中完成，但特性菜单提供了特定于这种数据的操作。
功能多样性
功能多样性分析了样本单元X物种矩阵与物种X性状矩阵的组合。功能多样性度量试图描述样本单元中所代表的物种功能性状的多样性，而是简单的物种多样性。例如，一个包含三个物种的情节，都具有相同的特征，被认为比单一物种更多样化。同样，两个具有非常不同功能性状的物种比其功能性状相似的两个物种具有更多的功能多样性。例如，如果一个图中有两个物种，一个是杂草丛生喜欢太阳的先锋植物物种，另一种是耐荫能力较差的物种，这个图形比两个不同的物种都具有更多的功能多样性，它们都说耐荫性差的植物。
第四角问题
因为是四个基本矩阵的排列（参见Dray和Legendre（2008,Fig.1a）和McCune 和Grace（2002,Fig.2.1）的形状x环境位置），所以通过样本单元X物种矩阵将物种性状与环境变量联系起来的方法问题被称为第四角问题。第四角分析提供了这些矩阵之间的链路强度的统计测试。第四角分析理论与数学的详细解释请参看Legendre et al. (1997), Dray和Legendre (2008), Ter Braak et al, (2012), 和 Dray et al. (2014)。
二元分类
如果已给变量中，有n个分类（每个分类级别有独特的值标签），然后将生成n个新的二进制（0/1）变量。每个新变量将被指定值为0或1的Q变量。
创造性状组合
通过组合来自两个现有变量的类别来创建一个新的分类变量。从两个选择变量中的每个类别的组合被视为新变量中的新类别。由此产生的新变量总是绝对的。现有变量保留完整，但您可以通过Modify|Delete按钮很容易的将它删除。
例如，假设您有两个分类变量，一个是对原生与非本土物种的编码，一个是对一年生植物和多年生植物的编码。这可能在分析中发挥作用，如果这些物种的组合，例如，非本地一年生植物，在生态上与所有现存物种特别不同？因此，您可能希望用这些性状类别的所有四种组合来创造一个新的分类变量：（1）本地一年生植物，（2）原生多年生植物，（3）非天然一年生植物，（4）非天然多年生植物。
计算SU x形状矩阵
计算样本单元x特征矩阵提供了分析物种性状和解释变量之间关系的灵活的第一步。该矩阵是通过将样本单元x物种矩阵乘以物种x特征矩阵来获得的，但是矩阵所得到结果的内容，取决于性状是否标准化，以及乘法之后是否是加权平均步长（MCCUNE 2015）。为了最大化SUX性状矩阵的通用性，包括性状之间的可比性，以及广泛的距离度量的可用性，我们建议首先将性状标准化为最小至最大，然后计算每个样本单位的丰度加权性状平均值。
特征空间中的物种距离
物种可以通过计算物种间的距离矩阵来比较它们的性状，从物种x性状矩阵开始。在数学方面，这与计算物种空间中的样本单元之间的距离矩阵相同，除了在这种情况下，对象是物种，它们的属性是性状，而不是作为样本单元和属性物种的对象。从特征菜单提供相同的距离度量，如物种空间中的样本单元之间的距离。
新矩阵文件格式
行和列标识符–最大长度从8个字符增加到12个字符。
分类值–现在可以是数值（上面例子中的ShadeTolerQ）或文本（上面例子中的Dispersal, Leaf, Leaf, LearPersist和ShadeTolerC），最多可达20个字符。
矩阵大小–从32,000行x 32,000列增加到2,000,000行x 2,000,000列，最大可达536,848,900个元素自带一些局限性。
注意：您仍然可以导入Excel旧版的.wk1文件以及xls和.xlsx文件。
新的分析方法
第四角分析
通过样本单元x物种矩阵将物种性状与环境变量联系起来的方法学问题，因为是四个基本矩阵的排列（参看Dray和Legendre（2008，Fig.1a）以及McCune和Grace（2002,Fig.2.1）的性状x环境位置），因此被称为第四角问题。第四角分析提供了这些矩阵之间的链路强度的统计测试。对于第四角分析的理论和数学的详细解释见Legendre et al.(1997),Dray和Legendre(2008),Ter Braak et al,(2002)和Dray et al.(2004)。
Fuzzy Set (FSO)
模糊集合排序应用模糊集合理论指导生态排序中的梯度分析。这种排序方法需要用户假设物种群落和环境变量或其他预测因子之间的关系。预测因子是最常见的环境变量，但它们也可以是第二组物种群落，或任何与社区矩阵相同行数的定量数据集。社区数据被放置在主矩阵中，并且第二集合位于第二矩阵中。结果排序是物种空间中样本单位的排序。物种可以叠加在一个单一的加权平均步长排序。
基于距离的冗余分析（DBRDA）
基于距离的冗余分析（DRBDA）类似于冗余分析（RDA），除了主矩阵由它的主坐标代替，使用您选择的距离度量。这个变体的目的是允许您选择non-Euclidean距离度量，如Sorensen（Bray-Curtis），这个已经证明在群落生态学中是有效的。
Categorical Counts
Categorical Counts提供一种用给定范畴值跟踪案例数量的方法（行，通常指示例单元）。默认情况下，对选定矩阵中的所有分类变量都执行此操作。提供了快速评估类别的频率，对于实验设计中的平衡或不同类别的采样有效性等问题是有用的。
Functional Diversity
Functional diversity分析了样本单元x物种矩阵与物种x性状矩阵的组合。PC-ORD中的功能多样性措施的原理和使用在以下主题中描述。
其他已有的分析方法
Gower Distance
Gower（1971a）系数在相似性或相异性度量中是非常不寻常的，因为它可以基于定性（分类）数据、定量数据或两者的混合物来计算。分类数据作为匹配问题来处理：共享定性属性的项从该属性接收相似性单元。参看Legendre和Legendre（1998）对这个方法的详细描述。
Gower Distance,忽略0,0
Gower(1971)和Legendre以及Lengendre（1998）提出了一个有趣的但未经测试的Gower相似系数的变体，忽略了0,0数据对。如果这些双零点被认为是不明确的信息，那么可以从系数的计算中排除它们。双零点的敏感性在社区生态学的分析中产生了不必要的影响
(Legendre & Legendre 1989, p. 253; McCune & Grace 2002, p. 38, 51)。
Legendre和Legendre (1998)提出了Gower相似系数（S19）的修改版本，称之为” asymmetrical”，因为匹配零点的处理不同于非零值。它与Gower系数相同，但不包括定量变量（0,0）对,因此，部分相似度的总和不是由p变量划分的，而是由p*非（0,0）对的数目来划分的。
请注意，这种“不对称”的感觉不同于矩阵对称性。如果Legendre的非对称版本Gower的相似性被转换为距离（或相异性），并用于建立距离矩阵，这仍然是对称矩阵。换句话说，项目A和B之间的距离与B和A之间的距离相同，即使使用Gower的相似性的不对称版本。为了避免这种混乱，PC-ORD使用菜单系统中的术语”Gower, Ignore 0,0″，并输出文件。
Morisita-Horn Distance
Horn（1966）修正了Morisitad(1959)相似性度量，因而有了现在大家熟知的Morista-Horn的相似性或距离。这个距离度量的主要吸引力是它对取样工作相对不敏感（Wolda 1981）。因此，对于不可能控制采样时间、面积或体积的情况最有用。
Morisita-Horn指数对小物种的影响较小，这在很大程度上是因为该方法抗欠采样的原因。同时，它使该方法对小物种携带的模式不敏感。
在perMANOVA和指示物种分析中增加块或组的最大数目到1,000
新Summary | Write距离矩阵选项
物种面积曲线的自举置信区间
PCA选项将预测方程写入文本文件
PCA选项将特征值从随机化写入电子表格
使用Peres-Neto et al.(2006)方法在CCA中增加R²perm调整方差
使用Peres-Neto et al.(2006)方法在RDA中增加Ezekiel和R²perm调整方差
添加了拟合方法，包括基于随机的方法到NMS中
Dust bunny指数从多元正态到dust bunny分布作为出发度量
新Summary | Write距离矩阵选项：
只写次对角线距离（对于连续样本）
写对子对角线距离（配对样本）
图形功能扩展
应用按钮在不退出偏好对话框的情况下立即预览更改
保存群中心的分数为电子表格或文本文件
将图片保存为TIFF格式
Species Frequency Label Cutoff
tick marks数量控制
Reorder legend
定制工具栏
改进的数据格式和管理
新性状窗口同时显示物种形状矩阵
分类变量类型中允许文本。例如，实验治疗的C变量由1,2,3替换，您可以把它们编码为”burned”, “mowed”, and control”。其结果是，分类变量不能再用于算术运算，只定义项目组。
变量类型之间的转换：
Categorical to Quantitative
Quantitative to Categorical
Categorical to Binary
行名称和列名称（首字母缩写）最多可以输入12个字符。
电子表格设计允许多达200万行或列。
精简导入导出到Excel
新项目的拖放功能被重新设计，便于文件管理
点击save All保存具有共同碱基的相关新文件组
Export Project是将给定项目的所有文件和设置从一台机器移动到另一台机器的便捷方式
Modifed File | Import简单电子表格选项包括为矩阵定义特定范围的单元
紧凑格式：代码数量从最大为4位增加到最大为8位。代码名称（物种缩写）从最大8字符增加到最大12字符
单击并拖动切换矩阵
将主矩阵或第二矩阵转换为图形文件。这提供了一种使用PC-ORD以外生成坐标的简单方法。在版本6中，这个功能只作为外接程序”wk1togph”来使用
重新分类变量（数字到文本或文本到文本）
系统需求
Operating System: Windows 98, NT, ME, 2000, XP, Vista, 7, 8, and 10
80486 or higher CPU (including Pentium 4, Athlon, Celeron, etc.)
8 MB RAM (more RAM means ability to analyze larger data sets)
16 MB of available hard disk space
中文(中国)
电话 Call：131 2087 8846
邮箱 Email：china@yuudnn.com
地址 Add：上海市嘉定区环城路2222号1幢
