Untersuchung der Aufnahme und Translokation von C und N in ...

Auswertung 29
3.4.1.3 Partitioning
Das Partitioning (%P) beschreibt den Anteil des markierten Elements in einem bestimmten
Kompartiment relativ zum Gesamtgehalt des markierten Elementes in der Pflanze. Das Partitioning
errechnet sich über
E Komp ⋅ RSA E Komp
%P = ,
E ⋅ RSA
Pflanze
EPflanze
wobei EKomp die Menge des Elementes in dem betreffenden Kompartiment ist und EPflanze die
Gesamtmenge des Elementes in der Pflanze bezeichnet.
3.4.2 Statistik
Die Ergebnisse der Untersuchungen wurden standardmäßig mit multivariaten Analyseverfahren
behandelt. Die Varianzanalyse (hier ANOVA, STASTISTICA/w) ist geeignet, die Abhängigkeit
der Datenmatrix von bestimmten Einflußgrößen (Faktoren) abzuschätzen. Die Stichproben
der Untersuchung müssen dafür voll randomisiert sein, d. h. jede Stichprobe muß einer Kombination
bestimmter Merkmalsausprägungen der gewählten (unabhängigen) Einflußfaktoren zuzuordnen
sein. Für die Faktoren der Varianzanalyse (definierte Versuchsbedingungen wie Wachstumsdauer,
N-Vorbehandlung o. ä). und ihre Interaktionen wird die Varianzaufklärung (mittlere
Quadratsumme der Abweichungen vom Gesamtmittelwert) und ein Mittelwertvergleichstest der
durch die Faktoren hervorgerufenen Untergruppen der Datenmatrix (F-Wert) sowie dessen Signifikanz
(p) errechnet. Eine hochsignifikante F-Statistik leitet sich aber nicht zwingend von hohen
Varianzaufklärungen ab, was auch für den Umkehrschluß gilt. In diesem Zusammenhang ist
der Fehler der Analyse, der die aus den gewählten Faktoren nicht erklärbare Varianz der Daten
ebenfalls als mittlere Quadratsumme der Abweichung angibt, von Bedeutung. Ein hoher Fehler,
also eine geringe Aufklärung der Gesamtvarianz durch die Faktoren der Analyse (Modell der Varianzanalyse),
führt zur Verringerung bzw. Nivellierung der F-Statistik. Für die Interpretation der
Ergebnisse sind die möglichen signifikanten Interaktionen der Faktoren wichtig. Werden keine
Interaktionen festgestellt, dann wirken gefundene signifikante Einzeleffekte als Haupteffekte
gleichsinnig in allen denkbaren Untergruppen der Datenmatrix. Signifikante Interaktionen
schränken diese Schlußfolgerung allerdings ein und weisen darauf hin, daß der Einzeleffekt nicht
unabhängig von anderen Effekten wirkt, also entweder nicht für alle Teilgruppen der Untersuchung
Gültigkeit hat oder sich in den Teilgruppen unterschiedlich ausprägt. Auf diese Weise
können auch nicht signifikante Einzelfaktoren in Kombination mit anderen Faktoren signifikant
werden, wenn ihr Einfluß nur in Teilen, nicht aber auf Basis der Gesamtuntersuchung Auswir-
Gl. 7