Nächste Seite: Multiple Analysen
Aufwärts: Sukzessive und multiple Analysen
Vorherige Seite: Sukzessive und multiple Analysen
  Inhalt
Um diese Herangehensweise zu testen werden neun Experimente gemacht. Dabei
wird jeweils eine Liste von möglichen Einflußgrößen einem vorgegebenen
Zusammenhang (Funktion)
zur Verfügung gestellt. Es wird diejenige Einflußgröße
selektiert, die bei dem vorgegebenen Zusammenhang die meiste Varianz erklärt.
Dieser erklärte Anteil wird abgezogen und das Verfahren sukzessive wiederholt,
bis durch weitere Einflußgrößen kein signifikant höherer Anteil der
Varianz mehr erklärt werden kann. Dadurch erhält man für den vorgegebenen
Zusammenhang und jede vorgegebene Menge von Einflußfaktoren
- den Einflußfaktor, der die meiste Varianz erklären kann,
- den Anteil der Varianz den dieser stärkte Einflußfaktor erklärt,
- die Gesamtzahl der signifikant beitragenden Einflußgrößen, die
unterschiedliche (orthogonale) Anteile der Zielgröße erklären,
- die dadurch insgesamt erklärbare Varianz der Zielgröße.
Zunächst wird als Zusammenhang zwischen den Einflußgrößen und der
Zielgröße nur eine lineare Regression verwendet, d.h. der Modellwert
für die Zielgröße ist gegeben durch
mit der
Einflußgröße . Dieser Ansatz ist sehr vielseitig verwendbar, wenn
man als Einflußgrößen nicht nur die Beobachtungsgrößen selbst, sondern
auch einfache Funktionen dieser zuläßt. Damit können auch in die
sukzessive Analyse quadratische Terme () und Mischterme
(
) einbezogen werden. Die Ergebnisse der neun durchgeführten
Analysen sind in Tabelle 4.2 dargestellt.
Tabelle:
Tabelle der Ergebnisse verschiedener Sukzessiver
Strategien der Suche nach einfachen Zusammenhängen zwischen klimatischen
Einflußgrößen und dem Baumringwachstum von Kiefern in Brandenburg.
Verhältnis von selektierten zu möglichen Einflußgrößen.
|
Mögliche |
Selektierte |
|
erklärte Varianz in % |
Nr. |
Einflüsse |
Einflüsse |
|
1. Term |
gesamt |
|
|
|
|
|
|
1 |
Alle |
8, 6, 10, 2, 9, 12 |
|
9.5 |
35.3 |
|
|
|
|
|
2 |
Alle |
7 |
|
17.2 |
|
|
|
|
|
|
3 |
Sommer |
|
|
17.2 |
31.2 |
|
Sommer , |
|
|
|
|
4 |
|
|
|
17.2 |
31.6 |
|
Sommer , |
|
|
|
|
5 |
|
|
|
17.2 |
31.6 |
|
Sommer , |
|
|
|
|
6 |
|
|
|
17.2 |
31.7 |
|
EOF |
6, 2, 1 |
|
|
|
7 |
Sommer |
( 57 % der Varianz) |
|
8 |
18.4 |
|
EOF |
1 |
|
|
8 |
Sommer |
( 30 % der Varianz) |
|
16.1 |
|
EOF |
1, 8, 3, 4, 10, 6, 5, 12 |
|
|
|
9 |
Sommer |
( 70 % der Varianz) |
|
8 |
32 |
Der Tabelle sind einige wesentliche Informationen zu entnehmen.
Zunächst sieht man signifikante Zusammenhänge zu sechs der zwölf
Monatsmitteltemperaturen. Dabei zeigt sich kein signifikanter Zusammenhang
zu den Wintermonaten Januar und März, jedoch zu den Herbstmonaten Oktober
und Dezember. Ersteres mag verwundern, da die Suche nach speziellen
Zusammenhängen (Abschnitt 4.3.2) gezeigt hat, daß extreme Vorwinter
einen Einfluß haben (der bei dieser Vorgehensweise demnach nicht gefunden
wird). Weiterhin ist zu vermuten, daß der gefundene Zusammenhang zu
Mitteltemperaturen von Monaten nach der Wachstumsphase statistische
Artefakte sind. Es erscheint deshalb sinnvoll als Einflußgrößen nur
Monatswerte vor und während der Wachstumsphase zuzulassen.
Das zweite Experiment zeigt, daß bei sukzessiver Betrachtung nur der
Juliniederschlag in den Jahrringbreiten gefunden wird, was im Zusammenhang
mit den Analysen aus Abschnitt 4.3.1 bedeutet, daß
auch der nicht durch den Juliniederschlag erklärte Teil,
nicht durch andere monatliche Niederschlagssummen erklärt werden kann.
Das dritte Experiment selektiert vier von zwölf klimatischen Sommermonateswerten
und erklärt damit über 30 % der Varianz. Dieses wie auch die folgenden
Experimente sind ausschließlich mit den Einflußgrößen während der
Wachstumsperiode (April bis September) durchgeführt. Trotz des
hohen Aufwands sollten alle diese Experimente zusätzlich auch mit den
Monatswerten vor der Wachstumsperiode durchgeführt werden.
Experiment Nr. 4 zeigt, daß die Möglichkeit nichtlineare Zusammenhänge zu
selektieren nur eine geringe Verbesserung ergibt. Im fünften Experiment
wurden Wechselwirkungen zwischen Temperatur und Niederschlag des gleichen
Monats zugelassen, aber nicht selektiert. Erst das Produkt aus mittlerer
Junitemperatur und Septemberniederschlag bringt eine signifikante aber
geringe Verbesserung. Bemerkenswert ist, daß bei deisem sechsten Experiment
von den möglichen 90 Einfnlußgrößen nur vier selektiert wurden.
Bei den letzten drei Experimenten wurde nach sukzessiven Zusammenhängen
zwischen den EOF der klimatischen Monatsmittelwerte während der Wachstumsperiode
und den Jahrringbreiten gesucht. Die Nummern der selektierten EOF gibt dabei
an, ob ein Hauptanteil der klimatischen Variation (niedrige Nummern)
signifikant in den Jahrringbreiten gefunden wird.
Man sieht, daß man mit 57 % der sommerlichen Temperaturvariationen
18 % der Jahrringbreiten auf diese Weise erklären kann. Betrachtet man
nur den Zusammenhang zum Sommerniederschlag, so findet man immerhin dessen
erste Hauptkomponente in den Jahrringen wieder (aber auch nur diese).
Das letzte Experiment zeigt, daß 70 % der sommerlichen Variationen der
klimatischen Parameter 32 % der Variationen der Jahrringbreiten erklären.
Entsprechend Abbildung 4.1 würde eine darauf basierende
Rekonstruktion einen statistischen Fehler machen , der 50 % größer
ist als die Standardabweichung der Rekonstruktion. Daraus ist zu schließen,
daß keines der Experimente zu Ergebnissen führt, die eine Rekonstruktion
erlauben.
Andererseits sind in dieser Anwendung der Einfluß des Alterstrends in den
Jahrringbreiten und der Einfluß der klimatischen Parameter vor der
Wachstumsphase auf die Jahrringbreiten vernachlässigt. So macht es Mut,
daß ein so großer Anteil der Variation der klimatischen Parameter in der
Jahrringbreite gefunden wird.
Nächste Seite: Multiple Analysen
Aufwärts: Sukzessive und multiple Analysen
Vorherige Seite: Sukzessive und multiple Analysen
  Inhalt
ich
2000-01-24