von KeAi Communications Co.
Verallgemeinerte additive Modelle (GAMs) werden in der ökologischen Forschung häufig verwendet, da sie komplexe nichtlineare Beziehungen modellieren können. Die Bewertung der Wichtigkeit von Prädiktoren bei Konkurrenz ist jedoch aufgrund überlappender Varianzen zwischen den Prädiktoren schwierig.
Zu diesem Zweck hat ein Forscherteam der Nanjing Forestry University und des Guangzhou Climate and Agrometeorology Center in China ein neues Computersoftwarepaket entwickelt, das individuelle R2-Werte für Prädiktoren auf Grundlage des Konzepts der „durchschnittlichen gemeinsamen Varianz“ berechnet, einer Methode, die zuvor für multiple Regressions- und kanonische Analysen eingeführt wurde.
„Dieses neu entwickelte gam.hp R-Paket berechnet individuelle R²-Werte für Prädiktoren in GAMs basierend auf dem Konzept der ‚durchschnittlichen gemeinsamen Varianz‘“, sagt Jiangshan Lai, Hauptautor und Co-Autor der Studie. „Es ermöglicht die gerechte Verteilung des gemeinsamen R² unter verwandten Prädiktoren und liefert ein Maß für den einzigartigen und gemeinsamen Beitrag jedes Prädiktors zur Anpassung des Modells.“
Insbesondere das gam.hp R-Paket ist kostenlos nutzbar, mit den Details veröffentlicht im Journal Pflanzenvielfalt.
Die Autoren demonstrieren die Nützlichkeit des gam.hp R-Pakets durch die Analyse von Daten zur Luftqualität in London und betrachten dabei insbesondere die relative Bedeutung von Emissionsquellen und meteorologischen Faktoren bei der Erklärung der Variabilität der Ozonkonzentration.
„Die Ergebnisse empfehlen, der Kontrolle der NOx-Emissionen während Ozonbelastungsphasen in London Priorität einzuräumen, gefolgt von Bemühungen zur Reduzierung der CO-Emissionen und zur Verbesserung der Genauigkeit von Windgeschwindigkeitsvorhersagen“, erklärt Lai.
Diese Methodik unterstützt staatliche Stellen bei der Formulierung ausgefeilterer und wirksamerer Strategien zur Kontrolle der Ozonverschmutzung unter Berücksichtigung verschiedener Einflussfaktoren.
„Wir würden uns wünschen, dass mehr Forscher das gam.hp-Paket in ihre Studien einbeziehen. Verwenden Sie dieses Paket, wenn die Ergebnisse Ihren analytischen Erwartungen entsprechen; ansonsten ist seine Verwendung nicht zwingend erforderlich“, sagt Lai.
Mehr Informationen:
Jiangshan Lai et al., Bewertung der relativen Bedeutung von Prädiktoren in verallgemeinerten additiven Modellen unter Verwendung des R-Pakets gam.hp, Pflanzenvielfalt (2024). DOI: 10.1016/j.pld.2024.06.002
Zur Verfügung gestellt von KeAi Communications Co.