Periglasiaalisten ilmiöiden alueellinen ... - Helda - Helsinki.fi
Periglasiaalisten ilmiöiden alueellinen ... - Helda - Helsinki.fi
Periglasiaalisten ilmiöiden alueellinen ... - Helda - Helsinki.fi
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Kuva 29. Vuokaavio tilastollisen mallinnuksen vaiheista (Hjort & Marmion 2008: 342,<br />
tekijän muokkaama).<br />
Luotujen mallien arviointi on hyvin tärkeä osa mallinnusprosessia (Pearce & Ferrier<br />
2000: 226). Mallien selityskykyä voidaan arvioida laskemalla selitetyn hajonnan osuus<br />
(Hjort 2006: 46):<br />
D 2 = (kokonaishajonta – residuaalien hajonta) / kokonaishajonta (7)<br />
Tutkimuksessa käytettiin erillistä evaluointiaineistoa, jotta mallien ennusteiden<br />
onnistumista voisi arvioida kvantitatiivisesti (Hjort 2006; Marmion et al. 2008). Malli<br />
ennustettiin kalibraatio- ja evaluointiaineistoon, jonka jälkeen Spearmanin<br />
korrelaatiokertoimet laskettiin havaittujen ja ennustettujen arvojen välille (Guisan &<br />
Zimmermann 2000: 173). Myös mallin jäännösvirheiden eli residuaalien tarkastelu on<br />
tärkeä osa mallinnusta (Zhang et al. 2005). Niiden avulla voidaan tutkia esimerkiksi<br />
mallin sovituksen onnistumista sekä linkkifunktion valintaa. Onnistuneen mallin<br />
jäännösvirheet ovat täysin satunnaisia eikä niissä ole huomattavissa mitään<br />
systemaattista. Residuaalit voivat myös paljastaa anomalioita aineistosta, jotka saattavat<br />
50