注意：聚类分析和树状图在R软件中能够十分方便的实现，而在NTsys中实现的过程较为复杂。但由于NTsys软件是图形界面操作的，这里仍然列出相应的操作步骤，以供同仁参考。
以下内容 首次发表在planta论坛
NTsys可以处理质量性状与连续数量性状，并据此计算多种距离矩阵，根据距离矩阵采取适当的聚类方法得到聚类图。
每一个运算步骤，均有相应的模块执行，需要做的只是选择相应的参数。
以UPGMA法为例，对于数量性状，常遵循以下步骤:
1 矩阵的制作
操作：在Excel里，按照NTsys的要求面做好矩阵。
- 第1行第1个数字一般填1，代表要处理的数据为数字矩阵。
- 第1行第2个数字填行数，
- 第3个数字填列数。
- 第1行第4个数字，如果有缺失值填1，没有缺失值填0.当然最好不要有缺失值。
- 第2行 按照顺序填写每一列的名称。第2行的定格要空出来。
- 第3行 开始才是正式的数据矩阵。从第3行开始，第1列作为要操作的单元名称。
数据准备好后，一般要存为Excel97格式。
再用ntedit打开，查看是否有错误，如果没有错误，建议另存为“.nts”格式的文件，如data.nts.
2 矩阵的标准化，数据标准化的是为了便于数据的横向比较。
操作：采用左侧output&Transf. 栏下的Standardization模块. 一般是将数据减去算术平均值，并除以标准差，转换为N(0,1)分布。
3 计算距离矩阵
操作：采用左侧Similarity 栏下的 Interval data模块（又称simint），默认为平均分类距离（Average taxonomic distance）。
其公式可以参考帮助文件。
当然，有多种距离可供选择：
如：
- Bray-Curtis distance.
- DIST Average taxonomic distance.
- DISTSQ Squared average distances.
- EUCLID Euclidean distances.
- EUCLIDSQ Euclidean distances squared.
- MANHAT Average Manhattan distances (city block).
- PSHAPE Penrose’s shape coefficient.
- PSIZE Penrose’s size coefficient.
- CORR Pearson product-moment correlation.
4 依据第3步计算出的距离矩阵，进行聚类分析，计算聚类树矩阵。
操作：点击左侧Clustering栏下的 SAHN模块，默认为UPGMA。
也有多种算法可以选择。这里采用UPGMA.
5 Mantel检验
将第4步计算出的聚类树矩阵，和第三部计算的距离矩阵进行比较，进行Mantel检测，计算协表距离矩阵，及相关性系数。以表示该聚类树对原始距离矩阵的代表程度。
操作： 点击左侧Graphics栏下的 Matrix comparison plot输入聚类树矩阵与距离矩阵，运行即可。
6 绘制聚类树图
操作： 点击左侧Graphics栏下的 Tree plot，选择聚类树距离文件，就可做出聚类结果图。
当然，一步一步操作非常麻烦，所以建议最好用批处理命令进行。
批处理命令脚本的编写：
- “为注释行
- *为命令行
- “*”后紧跟模块名称，
- “o”为要读取的文件，
- “r”为运行后的结果存储的文件
另有多种参数。
对数量性状进行聚类分析，采用UPGMA方法的批处理代码如下：
1 | " Standardize the variables |
将以上脚本复制到记事本中，将扩展名改为.ntb文件，就可执行批处理命令了。
下载相应的文档和软件
NTsys软件进行聚类分析UPGMA.pdf [该文档为转载]
聚类树状图 举例
附录
NTsys进行主成分分析的脚本
主成份分析的散点图
ntsys目前可以绘制三维的散点图
1 | " Standardize variables (rows) |