STATISTIK-FORUM.de

[anni21c]

Hallo,
es wäre so toll, wenn mir jemand helfen könnte... und zwar:
ich habe Vegetationsanalysen gemacht und möchte nun herausfinden, ob die Altersklasse eines Bestandes oder die Höhe des Plots Auswirkungen auf die Deckungsgerade der einzelnen Arten haben. Deshalb mache ich gerade eine Ancova und habe auch schon den Befehl, z.B. ancova<-aov(Carex.canescens~Age.Class*Plothöhe). Sehr viel Arbeit wäre es nur, wenn ich jede Art per Hand eingeben müsste (sind über 200). Deshalb meine Frage, ob wer weiß, wie ich das in die Formel miteinbeziehen kann, dass er alle Arten auf einmal rechnet.
Schon mal vielen Dank

[bele]

Hallo Anni,

da Du nichts darüber schreibst in welcher Form Deine Daten vorliegen, muss die Antwort sehr allgemein bleiben. Wenn man ein und dieselbe Anweisung 200mal braucht verwendet man in fast allen Programmiersprachen sog. Schleifen. Die Frage bezieht sich wohl auf R. In R gibt es verschiedene Schleifentypen. Am elegantesten sind oft die Schleifen der sog. apply - Familie, für Anfänger oft leichter nachvollziehbar sind for - Schleifen.

Leseempfehlung sind Kapitel 9.2.2 in "An Introduction to R": http://cran.r-project.org/doc/manuals/r ... -intro.pdf
Kapitel 3.2.2 in der Sprachreferenz: http://cran.r-project.org/doc/manuals/r ... R-lang.pdf
Google (das Englische Wort für Schleife heißt "loop") und natürlich die auf R spezialisierten Foren.

LG,
Bernhard

[anni21c]

Also Danke erstmal. ich habe die Ancova mittlerweile mit R erfolgreich durchgeführt und weiß nun nicht so genau, wie ich das weiter auswerten soll. Also erstmal mehr zu meinen Daten Ich habe die Vegetation von 55 Plots aufgenommen und von den einzelnen Arten die Deckungen geschätzt (abhängige Variable). 25 Plots gehören zu einem Urwald, 30 Plots zu einem Forst. Das ist meine categorial Factor (Bewirtschaftungsform: 1= Forst, 2= Urwald). Der Urwald lag leider etwas höher und deswegen möchte ich mit der Ancova ausschließen, dass nicht die Höhe für die Unterschiede zwischen den Artenverteilungen im Forst und Urwald verantwortlich ist, sondern die Bewirtschaftungsform. Also ist die Plothöhe meine Co-Variable. Nun hab so ungefähr 76 Mal das hier, weil ich 76 Arten gefunden habe:
Df Sum Sq Mean Sq F value Pr(>F)
Bew.form 1 8101 8101 50.149 4.05e-09 ***
Plothöhe 1 50 50 0.308 0.5810
Bew.form:Plothöhe 1 921 921 5.700 0.0207 *
Residuals 51 8238 162
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Was genau sagt mir das jetzt? Wie kann ich die 76 Ergebnisse zu einem Ergebnis zusammenführen? Und geht das auch vllt auch graphisch?
Ich hoffe, mir kann irgendwer weiterhelfen.

[bele]

Code: Alles auswählen

                   Df  Sum Sq Mean Sq F value  Pr(>F)   
Bew.form            1   8101    8101  50.149 4.05e-09 ***
Plothöhe            1     50      50   0.308   0.5810   
Bew.form:Plothöhe   1    921     921   5.700   0.0207 * 
Residuals          51   8238     162                     
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1


Die letzte Spalte, genannt "Pr(>F)" enthält den p-Wert. Du hast also einen höchst signifikanten Effekt der Bewirtschaftungsform, keinen signifikanten Effekt der Plothöhe und eine signifikante Interaktion zwischen Plothöhe und Bewirtschaftungsform (die aber wahrscheinlich bei jeder Korrektur für multiples Testen ihre Signifikanz verliert).

LG,
Bernhard

[anni21c]

Nochmal Danke. Aber was meinst du mit "jeder Korrektur für multiples Testen"? Muss ich jetzt noch irgendwas im Nachhinein testen? Sorry, ich bin eine totale Statistik Niete und fühle mich ein bißchen überfordert.
Also kann ich meine Ergebnisse nicht graphisch zusammenführen? Also gibt kann ich als Ergebnis nur sagen, in x% der Fälle hatte die Bewirtschaftungsform einen signifikanten Effekt. Und noch eine Frage: was genau sagt mir der sum of squares? Ich habe zum Spaß die Anova nochmal in R mit dem Befehl lm () durchgeführt, weil ich gelesen habe, dass das auch geht. Die Ergebnisse sind natürlich anders, aber was ist besser bzw. aussagekräftiger?

[bele]

Hallo anni,

Korrekturen für multiples Testen sind ein wichtiges Thema, mit dem Du Dich beschäftigen solltest: Wenn Du sehr viele Tests durchführst, dann wird ein Teil davon rein per Zufall signifikant werden. Es gibt nun viele Wege damit um zu gehen. Einer wäre: das so stehen lassen und bei der Diskussion der Ergebnisse berücksichtigen und sich fragen, ob Tests nur zufällig signifikant wurden. Ein anderes Extrem wäre die Korrektur nach Bonferroni (googeln!). Jedenfalls solltest Du Dich damit beschäftigt haben, und Dich bewusst für ein Vorgehen entscheiden, bevor Du Deine Ergebnisse irgendwo präsentierst.

Was Dir die Sum of Squares sagen? Nun, Deine Frage sagt, dass Du Dich nicht wirklich damit beschäftigt hast, was eine ANOVA oder ANCOVA eigentlich ist. Lies Dir das in einem Buch durch, dann erklären sich die Sum of Squares von selbst. Das ufert hier zu weit aus.

Warum Du mit lm() andere Ergebnisse hast als mit aov() kann ich Dir nicht beantworten. Hast Du beide mit Interaktionsterm gerechnet oder nur eines? Hast Du die Bewirtschaftungsform als "factor" oder als "numeric" codiert? Das kann ich von hier aus nicht sagen.

Eventuell macht es Sinn, dass Du mal die Struktur Deiner Daten hier postest (mit str()) und ein vollständiges Aufrufkommande und eine vollständige Ausgabe je einer ANCOVA mit aov() und lm() wie Du sie verwendet hast. Eventuell macht es noch mehr Sinn, dass in einem R Forum zu tun.

LG,
Bernhard