Diplomová práce – Prostorová neurčitost geodat v ... - kvhem

4.3 Statistické vyhodnoceníK vysvětlení distribuce kalouse ušatého byla tedy použita logistická regrese.Jako nezávisle proměnné byly uvažovány stejné vegetační prediktory odvozené zevšech geodatabází. Jednalo se o délku společné hranice mezi lesem azemědělskou půdou v každém kvadrátu, dále rozloha lesa, rozloha zemědělsképůdy, obvod lesních polygonů a obvod zemědělské půdy v každém kvadrátu.Seznam prediktorů je uvedený v tabulce 2. Jako závisle proměnná pak byl použitvýskyt kalouse v daném kvadrátu (čili jeho prezence či absence).Pro statistické vyhodnocení byl použit program Excel 2003 a statistickýsoftware R 2.1.3.0.V programu Excel byla z databázových tabulek vyskyt.dbf a všech třívýsledných sumarizačních tabulek z každé geodatabáze (tabulka s délkou společnéhranice v kvadrátu, tabulka se součtem ploch a obvodů lesů v každém kvadrátu aposlední se sumou ploch a obvodů zemědělské půdy v kvadrátu) vytvořena proCLC90, CLC00 i DMU_LPIS jedna nová tabulka obsahující sloupce:- číslo (kód) kvadrátu;- 5 sloupců s prediktory uvedenými v tab. 2- výskyt druhu (označený buď 0 – absence nebo 1 – prezence druhu).Tabulky byly uloženy po názvy clc90.txt, clc00.txt, dmu_lpis.txt.prediktorA délka rozhraní lesa a zemědělské půdyB plocha lesaC obvod lesaD plocha zemědělské půdyE obvod zemědělské půdyTab. 2: Prediktory výskytu kalouse ušatého použité při tvorbě modelů.Bylo vyhodnoceno celkem 15 modelů – pro každou geodatabázi bylovytvořeno 5 modelů s jedním prediktorem A – E.Do programu R byla postupně načtena textová tabulka každé databáze, zekteré byla pro každý prediktor zvlášť spočtena logistická regrese příkazem GLM (svýskytem závislým pouze na jednom prediktoru a binomickou třídou). Následnýmipříkazy SUMMARY (GLM) a CONFINT byly získány odhady β 0 ‘ a β 1 ‘ parametrů β 0 a β 1 ,jejich střední odchylka, významnost a interval spolehlivosti, v jakém se hodnota42