Habitat-Modelle in der Wildökologie - Université de Lausanne

Modellentwicklung 13Beschreibungen ausLiteratur, Erfahrungim Feld1. Konzeptionelles ModellLaborexperimenteSampling Design2. statistische Formulierungstatistische Literatur,existierende ModelleDatensatzfür AnpassungDatensatzfür EvaluierungAnpassungsgüteVorhersagegüte3. AnpassungModell4. Vorhersage5. Evaluierungdiagnostische TestsEvaluierungstabellenangepaßte Werteprognostiz. WerteDie 5 Schritte im Modellbildungsprozess mit zwei Datensätzen - einer zum Anpassen und einer zum Evaluieren des Modells.Die Modellevaluierung erfolgt entweder mit dem calibration-Datensatz (und bootstrap, cross validation oder jackknifeTechniken) oder mit einem unabhängigen Datensatz (und z.B. ROC-plot).(Guisan und Zimmermann, 2000, verändert)Abbildung 4.1: 5 Schritte zum Modell4.2.2 Statistische FormulierungDieser Schritt wird in der einschlägigen Literatur auch als verification bezeichnet.Unter diesen Punkt fällt die Wahl (1) eines geeigneten Algorithmus zur Vorhersageeiner Response-Variable (Vorkommen/Nichtvorkommen, Abundanz) und zumSchätzen der entsprechenden Koeffizienten und (2) des optimalen statistischenAnsatzes.Die meisten statistischen Modelle sind an einen spezifischen Zielgrößen-Typ gebundenund unterliegen damit bestimmten Wahrscheinlichkeitsverteilungen (bzw.Dichtefunktionen). Es handelt sich also um sogenannte →parametrische Verfahren(siehe z.B. Annahmen bezüglich Regression in 5.3). Ob ein Ansatz angemessenist oder nicht, kann mit einer Vielzahl von Tests und graphischen Methodenverifiziert werden.