Periglasiaalisten ilmiöiden alueellinen ... - Helda - Helsinki.fi

vapausasteiden lukumäärään. Näin saadaan kuvattua aineiston vaihtelu oikein, mutta
vältytään mallin ylisovittamiselta (Guisan et al. 2002: 93; Wood 2004: 674). GAM:n etu
GLM:n nähden on se, että tasoitusfunktio ottaa huomioon aineiston muodon, eikä
korkeamman asteen termejä tarvitse erikseen sisällyttää malliin (Yee & Mitchell 1991:
591). Sen heikkous on laskennallinen raskaus, joka saattaa olla ongelma erityisesti
suuria aineistoja analysoitaessa (Leatwick 2006). Mallinnuksessa käytettävien
selittävien muuttujien valintaan tulee kiinnittää erityistä huomiota. Muuttujia voidaan
sovittaa malliin esimerkiksi tilastollisen merkitsevyyden perusteella, jolloin ainoastaan
tietyn merkitsevyystason alittavat muuttujat otetaan mukaan (Hjort 2006). Muita
menetelmiä on esimerkiksi AIC (Akaike’s Information Criterion), jossa alhaisimman
AIC-arvon tuottama kombinaatio on paras malli (Akaike 1974). Myös automaattisia
menetelmiä on mahdollista käyttää (Guisan et al. 2002: 94).
47
GAM on hyvin toimiva ja suosittu menetelmä periglasiaalisten alueiden
tutkimuksessa. Esimerkiksi Brenning et al. (2007) ja Brenning & Azócar (2010) ovat
mallintaneet kivijäätiköiden toimintaa Pohjois- ja Etelä-Amerikassa. GAM
soveltuvuutta geomorfologiseen tutkimukseen ovat selvittäneet esimerkiksi Luoto &
Hjort (2005) sekä Hjort & Luoto (2010).
4.2.4 Hierarkkinen ositus
Monimuuttujamallien kanssa on usein tilanne, että aina ei ole selvää mikä muuttuja
selittää mallista eniten. Hierarkkinen ositus ottaa huomioon selittävien muuttujien
välisen multikollineaarisuuden ja tuo esiin jokaisen selittävän muuttujan yhteisen- tai
itsenäisen vaikutuksen (Chevan & Sutherland 1991: 92–94; MacNally 2002: 1398). Se
on menetelmä, jossa kaikki mahdolliset mallit otetaan huomioon. Näin saadaan esille
todennäköisimmät kausaalitekijät. Hierarkkinen ositus käyttää niin sanottua ”sovituksen
hyvyyttä” jokaiselle 2 k (k selittävälle muuttujalle) mahdolliselle mallille. Varianssit
ositetaan siten, että selittävän muuttujan kokonaisvaikutus voidaan arvioida ja tuloksena
on jokaisen muuttujan itsenäinen vaikutus (Oliver et al. 2000: 23). On tärkeää huomata,
että hierarkkisella osituksella ei ole mitään kykyä tehdä ennusteita (MacNally 2002:
1399).
Hierarkkista ositusta on käyttänyt geomorfologisessa ja ekologisessa tutkimuksessa
esimerkiksi Heikkinen et al. (2005), Johnston et al. (2008), Hjort et al. (2007) sekä Hjort