Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...
Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...
Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
2.4 Ergebnisse 39<br />
Tab. 2-12: Gütekriterien der <strong>Modelle</strong> mit <strong>und</strong> ohne Einbeziehung der Variablen aus der Vegetationsstrukturkartierung<br />
(vor- u. rückwärts schrittweise Modellbildung (v bzw. r).<br />
Variable AUC [CI95%] R 2 N<br />
Popt<br />
(% korrekt |<br />
Sens. | Spez.)<br />
Pfehlergerecht<br />
(% korrekt)<br />
nur Strukturvar. (v=r) 0.77 [0.72; 0.82] 0.328 70.3 | 88.4 | 47.1 68.1<br />
nur Umweltvar./UV (v) 0.86 [0.82; 0.90] 0.498 78.3 | 74.4 | 83.2 75.1<br />
nur UV (r) 0.87 [0.84; 0.91] 0.513 82.2 | 74.9 | 91.6 76.0<br />
UV (v) + Struktur (v) 0.90 [0.87; 0.93] 0.606 83.9 | 84.4 | 83.2 83.6<br />
UV (v) + Struktur (r) 0.92 [0.89; 0.94] 0.641 84.2 | 85.4 | 82.6 82.5<br />
UV (r) + Struktur (v) 0.91 [0.89; 0.94] 0.628 85.0 | 86.9 | 82.6 83.6<br />
UV (r) + Struktur (r) 0.93 [0.90: 0.95] 0.663 87.6 | 91.0 | 83.2 84.5<br />
UV (r) + Struktur (r)<br />
0.86 [0.82; 0.90] 0.659<br />
10-fach kreuzvalidiert<br />
1 79.8 | 83.9 | 74.5 78.4<br />
1 gemittelt aus den zehn der Kreuzvalidierung zugr<strong>und</strong>eliegenden <strong>Modelle</strong>n<br />
Sensitivität<br />
1,0<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
<strong>Modelle</strong>ntwicklung<br />
Zufallsmodell<br />
nur Struktur (v=r)<br />
nur UV (v)<br />
nur UV (r)<br />
UV (r) + Struktur (r)<br />
10-fach kreuz.valid.<br />
UV (r) + Struktur (r)<br />
0,0<br />
0,0 0,2 0,4 0,6 0,8 1,0<br />
1 - Spezifizität<br />
Abb. 2-7: Conocephalus dorsalis – ROC-Kurven für <strong>Modelle</strong> mit <strong>und</strong> ohne Einbeziehung der<br />
Variablen aus der Vegetationsstrukturkartierung.<br />
Charakteristischerweise ergeben rückwärts schrittweise erstellte <strong>Modelle</strong> hier bessere<br />
Prognosegüten als vorwärts schrittweise erstellte. Der Gr<strong>und</strong> dafür liegt im Signifikanzkriterium,<br />
welches im Standardfall für die Aufnahme einer Variable ins Modell<br />
restriktiver gewählt wird als für den Ausschluß aus dem Modell (s. 2.3.1: p in: 0.05; p out:<br />
0.10; vgl. Adler & Wilson 1985; Hosmer & Lemeshow 1989). Verwendet man für p out<br />
denselben Wert wie für p in, so ergeben sich hier für das rückwärts schrittweise<br />
Verfahren dieselben <strong>Modelle</strong>, wie bei der vorwärts schrittweisen Modellbildung, was<br />
für die Robustheit der geschätzten <strong>Modelle</strong> spricht.