Signatur:
9783540377061 (e-book)
Materialart:
12
Seiten:
1 Online-Ressource (IX, 221 Seiten)
,
Illustrationen
Ausgabe:
Electronic reproduction. Ann Arbor, MI : ProQuest, 2015. Available via World Wide Web. Access may be limited to ProQuest affiliated libraries.
ISBN:
9783540377054
,
9783540377061
Serie:
Springer-Lehrbuch
URL:
Fulltext @ Ebook Central (AWI only)
Sprache:
Deutsch
Anmerkung:
Inhalt: 1 Einleitung. - 1.1 Alltägliche Probleme. - 1.2 Uni- und multivariate Daten. - 1.3 Wege ins Statistiklabyrinth. - 2 Statistische Grundlagen. - 2.1 Einführung in die Terminologie. - 2.2 Datentypen -Skalenniveaus. - 2.3 Korrelation. - 2.4 Regression. - 2.5 Lineare Regression. - 2.6 Multiplelineare Regression. - 2.7 Unimodale Modelle - die Gauß'sche Regression. - 2.8 Logistische und Gauß'sche logistische Regression. - 2.9 Interaktionen. - 2.10 Gewichtetes Mittel. - 2.11 Partielle Analysen. - 3 Datenmanipulationen. - 3.1 Normalverteilung und Transformationen. - 3.2 Standardisierungen. - 3.3 Transponieren, Umkodieren und Maskieren. - 4 Ähnlichkeits- und Distanzmaße. - 4.1 Qualitative Ähnlichkeitsmaße. - 4.2 Quantitative Ähnlichkeitsmaße. - 4.3 Distanzmaße. - 4.4 Vergleich der geschilderten Koeffizienten. - 5 Ordinationen - das Prinzip. - 5.1 Dimensionsreduktion als Analysestrategie. - 5.2 Polare Ordination. - 6 Korrespondenzanalyse (CA). - 6.1 Das Prinzip. - 6.2 Mathematische Artefakte - Probleme der CA. - 6.3 DCA {Detrended Correspondence Analysis). - 6.4 Zusammenfassendes zu Problemen der CA und DCA. - 7 Interpretation von CA und DCA. - 7.1 Zur Skalierung und Interpretation der Ordinationsdiagramme. - 7.2 Umweltvariablen-Interaktionen von Effekten. - 7.3 Ordination und Umweltdaten. - 8 Kanonische Ordination (constrained ordination). - 8.1 Prinzip der Kanonischen Korrespondenzanalyse (CCA). - 8.2 Interpretation eines CCA-Diagramms. - 8.3 Forward selection bei kanonischen Ordinationen. - 8.4 Überprüfung einer CCA. - 9 Hauptkomponentenanalyse (PCA). - 9.1 Das Prinzip - geometrische Herleitung. - 9.2 Das Prinzip - der mathematische Ansatz. - 9.3 Optionen bei einer PCA. - 9.4 Stärken und Schwächen der PCA. - 9.5 Faktorenanalyse. - 10 Lineare Methoden und Umweltdaten: PCA und RDA. - 10.1 Indirekte Ordination. - 10.2 Kanonische Ordination - Prinzip der Redundanzanalyse. - 10.3 Interpretation einer RDA. - 11 Partielle Ordination und variance partitioning. - 11.1 Kovariablen. - 11.2 Partielle PCA, CA, DCA. - 11.3 Partielle kanonische Ordination. - 11.4 Variance partitioning. - 12 Multidimensionale Skalierung. - 12.1 Der andere Weg zum Ziel. - 12.2 Metrische Multidimensionale Skalierung - Hauptkoordinatenanalyse. - 12.3 Nichtmetrische Multidimensionale Skalierung. - 12.3.1 Das Prinzip. - 12.3.2 NMDS - Optionen und Probleme. - 12.3.3 Ablauf einer NMDS. - 13 Klassifikation - das Prinzip. - 13.1 Das Wesen von Klassifikationen. - 13.2 Die wichtigsten Klassifikationsstrategien. - 14 Agglomerative Klassifikationsverfahren. - 14.1Clusteranalyse - Grundlagen. - 14.2 Auswertung von Dendrogrammen. - 15 Divisive Klassifikationsverfahren. - 15.1 Ordination Space Partitioning. - 15.2 TWINSPAN. - 15.3 Ablauf einer TWINSPAN-Analyse. - 15.4 Kritik an der TWINSPAN-Analyse. - 16 Sonstige Verfahren zur Beschreibung von Gruppenstrukturen. - 16.1 Nichthierarchische agglomerative Verfahren. - 16.2 Nichthierarchische divisive Verfahren. - 16.3 Numerische "treue"-basierte Verfahren. - 16.4 Diskriminanzanalyse. - 16.4.1 Das Prinzip. - 16.4.2 Voraussetzungen. - 16.4.3 Gütekriterien/Prüfung der Ergebnisse. - 17 Permutationsbasierte Tests. - 17.1 Das Prinzip von Permutationstests. - 17.2 Test auf Signifikanz von Ordinationsachsen. - 17.3 Mantel-Test. - 17.4 Gruppenvergleiche - Mantel-Tests und MRPP. - 17.5 Procrustes-Analysen. - 17.6 Indicator Species Analysis. - 17.7 Ausblick Randomisierungsverfahren. - Literatur. - Sachverzeichnis.
Permalink
