DIPLOMARBEIT - Universität Oldenburg
DIPLOMARBEIT - Universität Oldenburg
DIPLOMARBEIT - Universität Oldenburg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 Methoden 24<br />
Sensitivität und Spezifizität. Je nach Fragestellung gibt es verschiedene Möglichkeiten den<br />
Schwellenwert..festzulegen.<br />
- a priori Festlegung eines Schwellenwertes, z.B. 0,5 (P krit )<br />
- Vorkommenswahrscheinlichkeit bei der Sensitivität und Spezifizität möglichst<br />
gleich groß sind (P fair )<br />
- Vorkommenswahrscheinlichkeit bei welcher der Anteil korrekter Prognosen am<br />
höchsten ist (P opt )<br />
- Vorkommenswahrscheinlichkeit bei der Kappa am größten ist (P kappa )<br />
Da sich die a-priori Methode und P opt nicht für Datensätze mit niedriger oder hoher<br />
Prävalenz eignen, wurde für alle Modelle P kappa verwendet. Die Berechnung wurde mit dem<br />
Programm „ROC Plotting and AUC Calculation“ (Version 1.3) von SCHRÖDER (2004)<br />
vorgenommen. In der Habitateignungskarte werden darüber hinaus auch<br />
Vorkommensprognosen auf Basis der Schwellenwerte P fair und P krit = 0,5 sichtbar. Nach<br />
REINEKING & SCHRÖDER (2004a) stellt letzterer eine objektive Vergleichsmöglichkeit dar<br />
und sollte neben anderen, möglicherweise besser angepassten Schwellenwerten angegeben<br />
werden. Aus diesem Grund erfolgt auch die Angabe der korrekten Prognosen im Falle des<br />
Regionalmodells auf Basis des Schwellenwertes P krit = 0,5.<br />
Ein von vielen Autoren empfohlenes schwellenwertunabhängiges (und damit für den<br />
Vergleich von unterschiedlich erstellten Modellen geeignetes) Gütemaß stellt die Fläche<br />
unter der receiver-operating characteristic-Kurve (ROC) dar (HOSMER & LEMESHOW 2000,<br />
SCHRÖDER 2000, MANEL et al. 2001). Sie wird als area under curve (AUC) bezeichnet<br />
(HANLEY & MCNEIL 1982) und stellt ein integrierendes Gütemaß für die Eignung des<br />
Modells zur Klassifizierung dar. ROC-Kurven ergeben sich in einem Streudiagramm durch<br />
Auftragen aller möglichen Trennwerte der Sensitivität gegen 1 - Spezifizität. Der AUC-<br />
Wert ist besser, je näher er an 1 liegt: 0,5 ist der Wert für ein Null- oder Zufallsmodell.<br />
Werte über 0,7 weisen eine akzeptable, Werte zwischen 0,8 und 0,9 eine gute und Werte<br />
über 0,9 eine hervorragende Modelldiskriminierung aus (HOSMER & LEMESHOW 2000). Ein<br />
Wert von AUC = 0,75 bedeutet, dass in 75% der Fälle für eine zufällig gewählte<br />
Probefläche mit nachgewiesenem Vorkommen eine größere Vorkommenswahrscheinlichkeit<br />
geschätzt wurde, als für eine zufällig gewählte Fläche mit Nichtvorkommen (FIELDING<br />
& BELL 1997).<br />
4.4.5 Modellvalidierung<br />
Die bisher beschriebenen Bewertungskriterien legen zur Beurteilung der Modellgüte nur<br />
den Datensatz zugrunde, aus dem auch das Modell errechnet wurde. Sie werden also auf<br />
der Basis derjenigen Daten bestimmt, an die das Modell optimal angepasst ist. Neben der<br />
Qualität des Modells kann dadurch vor allem die Übertragbarkeit und Vorhersagequalität<br />
überschätzt werden (VERBYLA & LITATIS 1989). Für alle Modelle wurde daher eine interne<br />
Validierung durchgeführt. Das bootstrapping-Verfahren eignet sich dazu am besten<br />
(VERBYLA & LITATIS 1989). Dabei werden durch Ziehen mit Zurücklegen aus dem