TiHo Bibliothek elib - Tierärztliche Hochschule Hannover
TiHo Bibliothek elib - Tierärztliche Hochschule Hannover
TiHo Bibliothek elib - Tierärztliche Hochschule Hannover
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
17<br />
viertel gemeinsam) und Niederschlag (alle Jahresviertel gemeinsam). Die Ergebnisse sind in<br />
Tabelle 3 dargestellt. Das Modell ergab einen statistisch signifikanten Einfluss der Variablen<br />
Rinderdichte, Gewässer, Grünfläche, Ackerfläche, Höhe, Tmq1, P2q und P3q mit einem Pseu-<br />
do-R² von 0,223.<br />
Die manuelle kontrollierte schrittweise Vorwärts- und Rückwärtsselektion (Variablen wurden<br />
nacheinander wieder aus dem Modell herausgenommen) der einbezogenen Variablen ergab,<br />
dass das sparsamste Modell, welches den größten Teil der Variation erklärte, die Variablen<br />
Gewässer und Grünfläche beinhaltete, die beide eine positive Parameterbewertung mit einem<br />
Pseudo-R² von 0,143 (14,3 % der Varianz wird erklärt) ergaben (Tabelle 4).<br />
Akaikes Informationskriterium (Akaike`s Information Criterion, AIC; Kriterium zur Auswahl<br />
eines Modells) wurde für jedes erstellte Modell berechnet und als Hauptselektionsparameter<br />
benutzt. Die Variable „Höhe“ wurde in allen Modellen, in denen klimatische Variablen einen<br />
statistisch signifikanten Einfluss zeigten, als erklärende Variable beibehalten.<br />
3.1.2.3 Allgemeines linear gemischtes Modell mit Random Intercept<br />
Es wurde vorausgesetzt, dass Betriebe im gleichen Postleitzahlengebiet ähnlichen Umwelt-<br />
und Klimabedingungen ausgesetzt sind, dass z.B. Grünfläche- und Gewässer-Anteil, und so-<br />
mit die ELISA-Ergebnisse, mit den Postleitzahlengebieten zusammenhängen. Um den Effekt<br />
von nicht-unabhängigen Variablen zu minimieren, wurde ein Modell mit Random Intercept<br />
auf Postleitzahlenebene erstellt, welches sich auf die Variablen Grünfläche und Gewässer kon-<br />
zentrierte. Das Modell zeigte, dass die ELISA Ergebnisse auf Postleitzahlenebene miteinander<br />
korreliert sind (Tabelle 5).<br />
Das multivariate Modell, das finale Modell nach manueller kontrollierter Vorwärts- und Rück-<br />
wärtsselektion sowie das allgemeine linear gemischte Modell wurden mittels ROC-Analyse<br />
verglichen (PEARCE u. FERRIER 2000). Das multivariate Modell ergab einen AUC (Area<br />
Under the Curve) von 0,76. Dieser Wert war nur geringfügig höher als der AUC für das finale<br />
logistische Regressionsmodell (AUC 0,71). Fügte man räumliche Informationen zu dem Mo-<br />
dell hinzu (allgemeines linear gemischtes Modell), verbesserte sich der AUC auf 0,86.