Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...

32
Sensitivität
1,0
0,8
0,6
0,4
0,2
Zufallsmodell (AUC = 0.5)
AUC = 0.74
AUC = 0.82
Perfektes Modell (AUC = 1)
0,0
0,0 0,2 0,4 0,6 0,8 1,0
1 - Spezifizität
Abb. 2-3: Receiver-operating-characteristic-(ROC-)Kurven für Beispielmodelle.
2 Habitatmodelle
Die Fläche unterhalb der ROC-Kurve läßt sich nach einer Gruppierung der Vorkommenswahrscheinlichkeiten
in eine größere Anzahl distinkter Gruppen aus dem
Zusammenhangsmaß Somer's D berechnen (Norušis 1997; Gl. ( 2-9 )), welches aus
den Anzahlen konkordanter und diskordanter Beobachtungspaare ermittelt wird (vgl.
Kuhn 1998).
AUC = 0.
5+
Somer'
s D
2
( 2-9 )
Ein Wert von AUC = 0.75 bedeutet, daß in 75% aller Fälle für eine zufällig gewählte
Untersuchungsfläche mit nachgewiesenem Vorkommen eine größere Vorkommenswahrscheinlichkeit
berechnet wurde, als für eine zufällig gewählte Untersuchungsfläche
mit Nichtvorkommen (Fielding & Bell 1997). Zur Modellbeurteilung werden
im Ergebnisteil allgemein die in Tab. 2-4 aufgelisteten Kriterien angegeben.
Tab. 2-4: Gütekriterien, die im Ergebnisteil zur Modellbeurteilung angegeben werden.
Modelldiskriminierung:
• ROC-Kurve (receiver-operating-characteristic-Kurve)
• AUC (mit 95%-Konfidenzintervall, kurz: CI95%)
• Anteil korrekter Klassifikationen, Sensitivität und Spezifizität für zwei Klassifika-
tionsmatrizen:
- Klassifikationsmatrix mit maximalem Anteil korrekter Klassifikationen (Pkrit = Popt)
- Klassifikationsmatrix, bei der Sensitivität ≈ Spezifizität ≈ Anteil korrekter
Prognosen (Pkrit = Pfehlergerecht )
Modellkalibrierung:
• Bestimmtheitsmaß R 2 Nagelkerke , kurz: R 2 N