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.
3.3 Methoden der Modellvalidierung 71<br />
tung der <strong>Modelle</strong> schon untersucht wurde (s. 2.6.4). Deshalb werden die in Tab. 3-2<br />
zusammengefaßten Güteparameter für das „Original-“ <strong>und</strong> das übertragene Modell<br />
einander gegenübergestellt (vgl. 2.3.3). Unter statistischen Gesichtspunkten aussagekräftiger<br />
ist allerdings die Verwendung von Tests hinsichtlich der Signifikanz der Modellübertragung,<br />
wie sie im folgenden Abschnitt 3.3.2.1 eingeführt <strong>und</strong> erläutert<br />
werden.<br />
3.3.2.1 Signifikanztests auf Übertragbarkeit<br />
Für die Klassifikationsmatrizen (Abb. 2-1) der Originalmodelle als auch der übertragenen<br />
<strong>Modelle</strong> wird in Anlehnung an Thomas & Bovee (1993) bzw. Freeman et al.<br />
(1997) ein Signifikanztest durchgeführt. Er ermöglicht die Unterscheidung zwischen<br />
übertragbaren <strong>und</strong> nicht übertragbaren <strong>Modelle</strong>n. Die Klassifikationen werden unter<br />
Verwendung des Klassifikationsschwellenwertes P fehlergerecht durchgeführt (vgl. 2.3.3.2).<br />
In den Ergebnistabellen (Tab. A3-1 bis Tab. A3-12) werden zusätzlich die mittels P opt<br />
erhaltenen Resultate aufgeführt. Sie werden aber aufgr<strong>und</strong> der z.T. stark einseitigen<br />
Klassifikationsmatrizen (extreme Sensitivität bei sehr geringer Spezifizität <strong>und</strong> umgekehrt)<br />
nicht weitergehend zum Test auf Übertragbarkeit verwendet (z.B. Tab. A3-3).<br />
Mittels eines G-Tests (log-likelihood ratio test, Sokal & Rohlf 1995) wird der Zusammenhang<br />
zwischen Daten <strong>und</strong> Prognosen in den Klassifikationsmatrizen überprüft.<br />
Getestet wird die Nullhypothese, welche besagt, daß geeignete (Vorhersage: Vorkommen)<br />
<strong>und</strong> ungeeignete Biotope (Vorhersage: Nichtvorkommen) in demselben<br />
Verhältnis besetzt sind. Überschreitet die aus der Belegung der Klassifikationsmatrix<br />
berechnete Teststatistik G obs (s. Gl. (A3-1); Sokal & Rohlf 1995) einen kritischen Wert,<br />
so ist die Alternativhypothese zu akzeptieren (vgl. Thomas & Bovee 1993). Diese besagt,<br />
daß auf geeigneten Biotopen proportional häufiger Vorkommen beobachtet<br />
werden. Kann die Nullhypothese für eine Modellübertragung nicht verworfen werden,<br />
so ist das übertragene Modell nicht besser als ein Zufallsmodell. Damit ist es<br />
nicht übertragbar.<br />
Einen vergleichbaren Signifikanztest der Modellübertragung, der unabhängig von der<br />
getroffenen Wahl des Klassifikationsschwellenwertes P krit ist (vgl. s. 2.3.3.3), leite ich<br />
aus den ROC-Kurven (Hanley & McNeil 1982; Zweig & Campbell 1993) ab. Nach<br />
Beck & Shultz (1986) testet die in Gl. ( 3-1 ) gezeigte Statistik die Nullhypothese, daß<br />
sich die Fläche unter der ROC-Kurve (AUC) nicht signifikant von einem kritischen<br />
AUC-Wert unterscheidet.<br />
( AUC − AUC )<br />
z =<br />
mit:<br />
krit<br />
SE AUC<br />
AUC : Fläche unter der ROC-Kurve<br />
AUCkrit : kritischer AUC-Wert, z.B.: 0.5<br />
SEAUC : Standardfehler der Fläche unter der ROC-Kurve (s. Hanley & McNeil 1982)<br />
( 3-1 )<br />
Als kritischen Wert verwende ich AUC krit = 0.5, was der Fläche unterhalb der ROC-<br />
Kurve eines Zufallsmodells <strong>und</strong> damit einem nicht übertragbaren Modell entspricht.