相似性分析(ANOSIM)是一种非参数检验，用来检验组间（两组或多组）的差异是否显著大于组内差异，从而判断分组是否有意义。首先计算两两样品间的距离，然后将所有距离从小到大进行排序，按以下公式计算R值，之后将样品进行置换，重新计算R*值，R*大于R的概率即为P值。

        其中，

        ---- 表示组间（Between groups）距离排名的平均值；

        ---- 表示组内（Within groups）距离排名的平均值；

        n  ---- 表示样品总数。

输入：

样本距离矩阵

示例：distance matrix

        Bio1                     Bio2                     Bio3                     Bio4                    Bio5

Bio1 0.0                       0.483232790448 0.728662546493 0.652673920891 0.88918523617      

Bio2 0.483232790448 0.0                       0.644148006987 0.541510920158 0.868933369893

Bio3 0.728662546493 0.644148006987 0.0                       0.655220559361 0.871789401126

Bio4 0.652673920891 0.541510920158 0.655220559361 0.0                       0.887469388959

Bio5 0.88918523617   0.868933369893 0.871789401126 0.887469388959 0.0

样品分组信息表：

Bio1 G1

Bio2 G1

Bio3 G1

Bio4 G1

Bio5 G2

Bio6 G2

Bio7 G2

Bio8 G3

Bio9 G3

Bio10        G3

输出：

ANOSIM检验结果文件：

Call:

anosim(dat = dm, grouping = group, permutations = 999)

Dissimilarity:

ANOSIM statistic R: 0.3182

Significance: 0.004

Based on  999  permutations

注：理论上，R值范围为-1到+1，实际中R值一般从0到1。R值接近1表示组间差异越大于组内差异，R值接近0则表示组间和组内没有明显差异。此次统计分析的可信度用P-value表示，即0.004，P< 0.05表示统计具有显著性。

分析模块引用了R语言（v2.12.1）vegan包（v2.0-1）中的ANOSIM分析。

相关文献如下所示：

Clarke, K. R. (1993). Non-parametric multivariate analysis of changes in community structure. Australian Journal of Ecology 18, 117-143.