Advertisement

Springer Nature is making SARS-CoV-2 and COVID-19 research free. View research | View latest news | Sign up for updates

Marginale Regressionsmodelle für ordinale Waldschadensdaten mit räumlicher Korrelation

Marginal regression models for ordinal forest damage data with spatial correlation

Zusammenfassung

Bei Waldschadensinventuren treten oft Erhebungssituationen auf, bei denen Nachbarschaftseffekte der untersuchten Bäume zu räumlicher Korrelation führen. Falls das primäre Forschungsziel die Analyse der Wirkung von Kovariablen auf den Schädigungsgrad ist, bieten sich marginale Regressionsmodelle als methodischer Ansatz an, bei dem räumliche Korrelationen berücksichtigt werden können. Da die Modellklasse bisher im wesentlichen für binäre Zielvariablen entwickelt ist, wird in dieser Arbeit zunächst die notwendige Erweiterung für ordinale Zielvariablen beschrieben. Die Methodik wird dann zur Analyse ordinaler Waldschadensdaten, die durch Luftbilder gewonnen wurden, angewandt. Die Resultate zeigten, daß durch den Ansatz verzerrte oder falsche Interpretationen, wie sie bei naiver Anwendung ordinaler Regressionsmodelle auftreten, vermieden werden können.

Summary

In forest damage surveys one is often confronted with data where neighborhood interactions of trees lead to spatial correlation. If the primary goal is to analyze the effect of covariates on the degree of damage, marginal regression models are a useful methodological approach to account for spatial correlation. Since this class of models has been mainly developed for binary response variables, we first present an extension to ordinal response variables. The proposed method is then applied to analyse ordinal forest damage data taken from aerial photographs. Results show that the appoach protects against biased or misleading conclusions, which generally will be drawn by naive application of commonly used maximum likelihood inference for independent observations.

This is a preview of subscription content, log in to check access.

Literatur

  1. Fahrmeir, L.;Tutz, G., 1994: Statistical Modelling Based on Generalized Linear Models. New York: Springer, Series in Statistics.

  2. Kublin, E., 1987: Statistische Auswertungsmodelle für Waldschadensinventuren—Methodische Überlegungen: Forstw. Cbl.106, 57–68.

  3. Liang, K.-Y.;Zeger, S., 1986: Longitudinal Data Analysis using Generalized Linear Models. Biometrika73, 13–22.

  4. Liang, K.-Y.;Zeger, S.;Qaqish, B., 1992: Multivariate Regression Analysis for Categorical Data. J. Roy. Statist. Soc.B 54, 3–40.

  5. McCullagh, P., 1980: Regression Model for Ordinal Data. J. Roy. Statist. Soc.B 42, 109–127.

  6. McDonald, B., 1993: Estimating Logistic Regression Parameters for Bivariate Binary Data. J. Roy. Statist. Soc.B 55, 391–397.

  7. Mößmer, R., et al. 1990: Waldschäden im Luftbild: CIR-Luftbildauswertung 1991: Forstamt Flossenbrüg. Bayrische Forstliche Versuchs- und Forschungsanstalt, Report, München.

  8. Pritscher, E., 1992: Marginale Regressionsmodelle für multivariate kategoriale Variablen. Diplomarbeit, Institut für Statistik der Universität München.

  9. Quednau, H. D., 1989: Statistische Analyse von Waldschadensdaten aus Luftbildern mit Berücksichtigung von Nachbarschaftseffekten. Forstw. Cbl.108, 96–102.

Download references

Author information

Correspondence to Elisabeth Pritscher.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Pritscher, E., Bäumler, A. & Fahrmeir, L. Marginale Regressionsmodelle für ordinale Waldschadensdaten mit räumlicher Korrelation. Forstw. Cbl. 113, 367–378 (1994). https://doi.org/10.1007/BF02936711

Download citation