Statistische Analysen der Einflussfaktoren auf die ...

Multiple Regression(SPITTLER 2000b, ZÖRNER 1996, GUTHÖRL & KALCHREUTER 1995), und in dasRegressionsmodell nur eine von mehreren voneinander abhängigen Variablen eingehendarf, wird die Variable ABD_Fugehe für das Regressionsmodell ausgewählt.Aus den Witterungsdaten werden folgende Variablen gewählt:Nied_MM: durchschnittliche Niederschlagsmenge der Monate März bis Mai derJahre 2000 bis 2004,Temp_SO: durchschnittliche Temperatur der Monate September und Oktober derJahre 2000 bis 2004.Die partiellen Korrelationskoeffizienten zeigen für die Variable Nied_MM (-0,31) und für dieVariable Temp_SO (0,23) im Vergleich zu den übrigen Variablen der Witterung denhöchsten Zusammenhang mit der Zielvariablen ABD_Hase (s. Tab. 4.1). Die VariablenTemp_JA und Temp_MM, die aufgrund ihrer partiellen Korrelationskoeffizienten ebenfallsin das Modell eingehen könnten, werden wegen der vorliegenden hohen Korrelationenuntereinander (s. Anhang 13) nicht ausgewählt.Die hohen Korrelationen der Temperaturen der verschiedenen Zeiträume untereinander(Temp_MM und Temp_JA: 0,79, Temp_MM und Temp_SO: 0,56, jeweils der partielleKorrelationskoeffizient) bringen die regionalen Unterschiede in Niedersachsen bezüglichder Temperatur zum Ausdruck. Die Witterung eines Landkreises an der Küsteunterscheidet sich aufgrund des maritimen Einflusses allgemein von der einesLandkreises im südlichen Niedersachsen. Diese Witterungsunterschiede zeigen sich injedem der drei gewählten Zeiträume März bis Mai, Juni bis August, September undOktober. Bedigt durch diese regionalen Witterungsunterschiede korrelieren dieTemperaturern der verschiedenen Zeiträume sehr hoch. Aufgrund der Korrelationen ist zuvermuten, dass die Temperaturen im März bis Mai und im Juni bis August in Bezug auf dieFeldhasendichten eine ähnliche Auswirkung haben wie die Temperatur im September undOktober. Die Variable Temp_SO wird als ein Stellvertreter für den Einfluss der Temperaturgewählt.70