Marginale Regressionsmodelle für ordinale Waldschadensdaten mit räumlicher Korrelation

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.