library(readr)
library(dplyr)
library(tidyr)
library(ggplot2)
library(glmmTMB)
library(MuMIn)
options(scipen = 999)
vars_umwelt <- c(
"slope", "topo_pos", "dist_road_trails", "dist_road_only",
"dist_sett", "forest_prop", "us_2014", "os_2014"
)
DF_reh <- read_delim("datasets/fallstudie_n/Aufgabe_Multivariate_Modelle/Datensatz_Modelle_Habitatnutzung_Reh_261102.csv", delim = ";")
stopifnot(all(c("pres_abs", "id", "time_of_day", vars_umwelt) %in% names(DF_reh)))
stopifnot(all(vapply(DF_reh[vars_umwelt], is.numeric, logical(1))))
stopifnot(all(na.omit(DF_reh$pres_abs) %in% c(0, 1)))
# Reh-ID als Faktor für die späteren GLMMs
DF_reh$id <- factor(DF_reh$id)
# Tagdatensatz erstellen
DF_reh_day <- DF_reh |>
filter(time_of_day == "day")Multivariate Modelle – Variablenselektion
Ziel und Einordnung
In den letzten Übungen habt ihr die acht Umweltvariablen explorativ dargestellt und selbstständig eine Korrelationsmatrix erstellt. Wir verwenden diese Ergebnisse nun für die Variablenselektion. Ausserdem habt ihr bei der Hangneigung (slope) mögliche gekrümmte Zusammenhänge zwischen der Umweltvariable und der Nutzung untersucht.
Anschluss an Statistik 5: Am Vormittag habt ihr binomiale GLMs und die Logit-Linkfunktion kennengelernt. Wir verwenden GLMMs, um zusätzlich individuelle Unterschiede zwischen den Rehen zu berücksichtigen. Die Theorie zu gemischten Modellen wird in Statistik 6 vertieft. Modellvergleiche mit AICc knüpfen an Statistik 4 an.
Zur Dateninterpretation: pres_abs = 1 kennzeichnet Präsenz, pres_abs = 0 Absenz. Letzteres bedeutet nicht, dass der Kreis sicher nie genutzt wurde. Modellwerte beschreiben die Unterscheidung zwischen Präsenz und Absenz im gewählten Stichprobendesign; sie sind keine absoluten Vorkommenswahrscheinlichkeiten.
Diesen Code übernehmt ihr in euer eigenes R-Skript und interpretiert die Ausgabe.
Hier entwickelt oder ergänzt ihr Code selbst. Die Musterlösungen werden eine Woche später auf der GitHub-Seite freigeschaltet.
Vorbereitung – Packages und Daten
Ladet die Packages und den Datensatz. Der Datenpfad entspricht der aktuellen Übung 4. Wahrscheinlich ist sind die Daten in eurem Projekt noch geladen, falls nötig passt ihn in eurem eigenen Skript an.
Aufgabe 1 – Kontinuierliche Variablen skalieren
Die Umweltvariablen haben unterschiedliche Einheiten und Wertebereiche (z. B. Grad, Meter, Anteile von 0 bis 1). Bei komplexeren GLMMs kann dies die numerische Schätzung erschweren. Deshalb standardisieren wir die kontinuierlichen Prädiktoren vor der Modellierung: Mittelwert 0, Standardabweichung 1 (z-Transformation). So lassen sich Effekte je Standardabweichung interpretieren. Die Skalierung verändert weder die Rangfolge der Beobachtungen noch beseitigt sie Korrelationen zwischen Prädiktoren. Als Beispiel:
DF_reh_day <- DF_reh_day |>
mutate(slope_scaled = as.numeric(scale(slope)))
DF_reh_day |>
summarise(mittelwert = mean(slope_scaled),
standardabweichung = sd(slope_scaled))
## # A tibble: 1 × 2
## mittelwert standardabweichung
## <dbl> <dbl>
## 1 3.79e-17 1Erstellt für die übrigen sieben Umweltvariablen ebenfalls standardisierte Spalten. Verwendet die später benötigten Namen topo_pos_scaled, us_scaled, os_scaled, forest_prop_scaled, dist_road_trails_scaled, dist_road_only_scaled und dist_sett_scaled.
Musterlösung
DF_reh_day <- DF_reh_day |>
mutate(
topo_pos_scaled = as.numeric(scale(topo_pos)),
us_scaled = as.numeric(scale(us_2014)),
os_scaled = as.numeric(scale(os_2014)),
forest_prop_scaled = as.numeric(scale(forest_prop)),
dist_road_trails_scaled = as.numeric(scale(dist_road_trails)),
dist_road_only_scaled = as.numeric(scale(dist_road_only)),
dist_sett_scaled = as.numeric(scale(dist_sett))
)Aufgabe 2 – Ein erstes binomiales GLMM: die Modellformel verstehen
Hier lernt ihr die Grundstruktur einer GLMM-Modellformel mit glmmTMB() kennen, bevor wir mehrere Prädiktoren kombinieren: Links von ~ steht die Antwortvariable, rechts stehen die erklärenden Variablen und der zufällige Effekt. family legt die bedingte Verteilung und den Link fest; data bezeichnet den verwendeten Datensatz. Wir starten bewusst mit einem linearen Effekt von slope.
Bei der binären Antwortvariable pres_abs verwenden wir eine Binomialverteilung mit Logit-Link. Mit (1 | id) darf jedes Reh einen eigenen zufälligen Achsenabschnitt (random intercept) haben. Damit berücksichtigen wir, dass Kreise desselben Rehs nicht wie vollständig unabhängige Individuen behandelt werden dürfen.
m_slope_linear_day <- glmmTMB(
pres_abs ~ slope_scaled + (1 | id),
data = DF_reh_day,
family = binomial(),
na.action = na.fail
)
summary(m_slope_linear_day)
## Family: binomial ( logit )
## Formula: pres_abs ~ slope_scaled + (1 | id)
## Data: DF_reh_day
##
## AIC BIC logLik -2*log(L) df.resid
## 5081.4 5100.3 -2537.7 5075.4 3961
##
## Random effects:
##
## Conditional model:
## Groups Name Variance Std.Dev.
## id (Intercept) 0.3657 0.6047
## Number of obs: 3964, groups: id, 12
##
## Conditional model:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -0.27012 0.17850 -1.513 0.13
## slope_scaled 0.43490 0.03951 11.007 <0.0000000000000002 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Frage: Wie interpretiert ihr das Vorzeichen von slope_scaled?
Aufgabe 3 – Stark korrelierte Variablen gegeneinander abwägen
Nehmt eure Korrelationsmatrix aus Übung 4 von letzter Woche zur Hand. Besonders stark zusammenhängende Prädiktoren können teilweise ähnliche Umweltinformationen liefern. Wir verwenden beispielhaft einen Vergleich von zwei Modellen mit jeweils nur einer der hoch korrelierten Variablen. Alle anderen Modellbestandteile bleiben identisch. Die Definition des Korrelations-Schwellenwerts kann konservativer oder liberaler gesetzt werden, üblich ist zwischen 0.5-0.7. Schaut auch wie Coppes et al. (2017) das gemacht haben.
Wir vergleichen dist_road_trails und dist_road_only anhand des AICc. Das Modell mit dem kleineren AICc weist innerhalb dieses Vergleichs die bessere Balance zwischen Modellanpassung und Komplexität auf.
Da wir später die Habitatselektion zwischen verschiedenen Tageszeiten und Störungskategorien vergleichen, sollten wir in allen vier Teildatensätzen dieselben erklärenden Variablen verwenden. Bei der Auswahl berücksichtigen wir deshalb neben dem AICc auch die ökologische Bedeutung der Variablen und ihre Eignung für die Forschungsfrage. Die Entscheidung kann somit zugunsten einer ökologisch besonders relevanten Variable ausfallen, selbst wenn eine stark korrelierte Alternative in einem einzelnen Teildatensatz einen etwas niedrigeren AICc aufweist. Vergleicht diesen Aspekt auch mit dem Vorgehen von Coppes et al. (2017).
m_wege <- glmmTMB(
pres_abs ~ dist_road_trails_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
m_strassen <- glmmTMB(
pres_abs ~ dist_road_only_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
MuMIn::AICc(m_wege, m_strassen)
## df AICc
## m_wege 3 5104.886
## m_strassen 3 5098.375Vergleicht analog die weiteren korrellierenden Variablen im Tagesdatensatz. Erstellt jeweils zwei binomiale GLMMs mit demselben Random Effect, berechnet den AICc und entscheidet, welche Variable ihr für die weitere Modellierung bevorzugt.
Musterlösung
m_waldanteil <- glmmTMB(
pres_abs ~ forest_prop_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
m_baumschicht <- glmmTMB(
pres_abs ~ os_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
MuMIn::AICc(m_waldanteil, m_baumschicht)
## df AICc
## m_waldanteil 3 4726.144
## m_baumschicht 3 4863.031Aufgabe 4 – Quadratische Terme als Modellkandidaten
In den Übungen von letzter Woche habt ihr für slope betrachtet, wie sich der Anteil genutzter Kreise entlang der Hangneigung verändert. Solche Nutzungskurven können auf nichtlineare Zusammenhänge hinweisen. Nach eurer Korrelationsentscheidung aus Aufgabe 3 steht fest, welche stark korrelierten Variablen nicht gemeinsam im globalen Modell verwendet werden. Erst jetzt legen wir fest, für welche der verbleibenden Prädiktoren eine Krümmung geprüft werden soll. Wir beschränken uns auf maximal drei quadratische Kandidaten:
slope: Die Nutzungskurven zeigten mögliche Änderungen der Steigung. Ein Abflachen oder ein Optimum ist denkbar.- Eine Strassendistanz (
dist_road_onlyoderdist_road_trails): Die Habitatnutzung könnte sich in Weg- oder Strassennähe stark ändern und mit zunehmender Entfernung abflachen. - Eine Waldstrukturvariable (
forest_propoderos_2014): Die Nutzung könnte bei mittleren Werten anders ausfallen als bei geringen oder hohen Waldanteilen beziehungsweise Deckungsgraden in der Baumschicht.
Welche Distanz- und Waldstrukturvariable in euer Modell gelangt, richtet sich nach eurer Entscheidung in Aufgabe 3. Für den gemeinsamen Beispielworkflow rechnen wir im Folgenden mit slope, dist_road_only und forest_prop. Falls ihr die jeweiligen Alternativen ausgewählt habt, passt die quadratischen Terme und die Modellformel entsprechend an. Ob ein quadratischer Term die Modellanpassung tatsächlich verbessert, prüfen wir anschliessend durch einen Modellvergleich mittels AICc.
DF_reh_day <- DF_reh_day |>
mutate(
slope_quadrat = slope_scaled^2,
dist_road_only_quadrat = dist_road_only_scaled^2,
forest_prop_quadrat = forest_prop_scaled^2
)
m_slope_quadrat_day <- glmmTMB(
pres_abs ~ slope_scaled + slope_quadrat + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
MuMIn::AICc(m_slope_linear_day, m_slope_quadrat_day)
## df AICc
## m_slope_linear_day 3 5081.435
## m_slope_quadrat_day 4 5052.583Prüft nun analog für dist_road_only und forest_prop, ob ein zusätzlicher quadratischer Term die Modellanpassung verbessert.
- Erstellt für jede Variable ein lineares und ein quadratisches binomiales GLMM. Verwendet jeweils denselben Random Effect
(1 | id). - Vergleicht die Modelle mittels AICc.
- Bei welchen Variablen verbessert der quadratische Term die Modellanpassung?
Musterlösung
# Distanz zu Strassen
m_strassen_linear_day <- glmmTMB(
pres_abs ~ dist_road_only_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
m_strassen_quadrat_day <- glmmTMB(
pres_abs ~ dist_road_only_scaled + dist_road_only_quadrat + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
MuMIn::AICc(m_strassen_linear_day, m_strassen_quadrat_day)
## df AICc
## m_strassen_linear_day 3 5098.375
## m_strassen_quadrat_day 4 5065.657
# Waldanteil
m_wald_linear_day <- glmmTMB(
pres_abs ~ forest_prop_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
m_wald_quadrat_day <- glmmTMB(
pres_abs ~ forest_prop_scaled + forest_prop_quadrat + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
MuMIn::AICc(m_wald_linear_day, m_wald_quadrat_day)
## df AICc
## m_wald_linear_day 3 4726.144
## m_wald_quadrat_day 4 4677.686Aufgabe 5 – Multivariate Variablenselektion
Wir gehen nun vom Modell mit einer erklärenden Variable zu einem globalen Modell mit mehreren Prädiktoren über. Die Variablenauswahl aus Aufgabe 3 bestimmt, welche hoch korrelierten Variablen nicht gleichzeitig ins Modell gehören. Für die gemeinsame Übung verwenden wir zunächst die sechs erklärenden Variablen des bisherigen Beispiels, bei begründeten Abweichungen könnt ihr sie für eure eigene Analyse ersetzen.
Fittet für den Tagesdatensatz ein globales binomiales GLMM mit slope_scaled, topo_pos_scaled, us_scaled, forest_prop_scaled, dist_road_only_scaled, dist_sett_scaled und dem zufälligen Interzept (1 | id). Ergänzt die drei quadratischen Kandidaten slope_quadrat, dist_road_only_quadrat und forest_prop_quadrat. Jeder quadratische Term darf nur zusammen mit seinem linearen Term vorkommen.
Verwendet na.action = na.fail und überprüft den Output anschliessend mit summary().
# m_global_day <- glmmTMB(
# pres_abs ~ ... + slope_quadrat + (1 | id),
# data = DF_reh_day, family = binomial(), na.action = na.fail
# )Musterlösung
m_global_day <- glmmTMB(
pres_abs ~ slope_scaled + slope_quadrat + topo_pos_scaled +
us_scaled + forest_prop_scaled + forest_prop_quadrat +
dist_road_only_scaled + dist_road_only_quadrat +
dist_sett_scaled + (1 | id),
data = DF_reh_day, family = binomial(), na.action = na.fail
)
summary(m_global_day)
## Family: binomial ( logit )
## Formula:
## pres_abs ~ slope_scaled + slope_quadrat + topo_pos_scaled + us_scaled +
## forest_prop_scaled + forest_prop_quadrat + dist_road_only_scaled +
## dist_road_only_quadrat + dist_sett_scaled + (1 | id)
## Data: DF_reh_day
##
## AIC BIC logLik -2*log(L) df.resid
## 4355.9 4425.0 -2166.9 4333.9 3953
##
## Random effects:
##
## Conditional model:
## Groups Name Variance Std.Dev.
## id (Intercept) 0.2099 0.4582
## Number of obs: 3964, groups: id, 12
##
## Conditional model:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.18871 0.15097 1.250 0.2113
## slope_scaled -0.16000 0.06311 -2.535 0.0112 *
## slope_quadrat -0.06927 0.03432 -2.018 0.0436 *
## topo_pos_scaled -0.07084 0.03800 -1.864 0.0623 .
## us_scaled 0.39795 0.04237 9.393 < 0.0000000000000002 ***
## forest_prop_scaled 0.90287 0.06361 14.195 < 0.0000000000000002 ***
## forest_prop_quadrat -0.33223 0.05477 -6.066 0.00000000131 ***
## dist_road_only_scaled 0.97452 0.06648 14.658 < 0.0000000000000002 ***
## dist_road_only_quadrat -0.31090 0.02581 -12.044 < 0.0000000000000002 ***
## dist_sett_scaled 0.01980 0.06415 0.309 0.7575
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Mit MuMIn::dredge() werden Teilmodelle des globalen Modells verglichen. Die Reh-ID bleibt in allen Modellen als zufälliger Effekt erhalten. Für jeden quadratischen Term wird die Hierarchie über dc() gesichert: Ein quadratischer Term darf nur dann enthalten sein, wenn auch sein zugehöriger linearer Term im Modell vorkommt. Das gilt für slope, dist_road_only und forest_prop.
dredge() kann viele Modelle fitten. Die Durchläufe dauern je nach Rechenpower eine gewisse Zeit.
all_m_global_day <- MuMIn::dredge(
m_global_day,
rank = "AICc",
subset = dc(slope_scaled, slope_quadrat) &
dc(dist_road_only_scaled, dist_road_only_quadrat) &
dc(forest_prop_scaled, forest_prop_quadrat)
)
# Die Modelle mit dem niedrigsten AICc stehen oben.
head(all_m_global_day, 10)
## Global model call: glmmTMB(formula = pres_abs ~ slope_scaled + slope_quadrat + topo_pos_scaled +
## us_scaled + forest_prop_scaled + forest_prop_quadrat + dist_road_only_scaled +
## dist_road_only_quadrat + dist_sett_scaled + (1 | id), data = DF_reh_day,
## family = binomial(), na.action = na.fail, ziformula = ~0,
## dispformula = ~1)
## ---
## Model selection table
## cnd((Int)) dsp((Int)) cnd(dst_rod_onl_qdr) cnd(dst_rod_onl_scl)
## 508 0.1849 + -0.3103 0.9754
## 380 0.1693 + -0.3011 0.9454
## 512 0.1887 + -0.3109 0.9745
## 476 0.1232 + -0.3142 0.9768
## 348 0.1101 + -0.3051 0.9478
## 384 0.1722 + -0.3015 0.9445
## 480 0.1276 + -0.3148 0.9758
## 444 0.2267 + -0.3043 0.9501
## 352 0.1136 + -0.3056 0.9468
## 448 0.2306 + -0.3049 0.9492
## cnd(dst_stt_scl) cnd(frs_prp_qdr) cnd(frs_prp_scl) cnd(slp_qdr)
## 508 -0.3308 0.9121 -0.06945
## 380 -0.3263 0.9121 -0.06733
## 512 0.01980 -0.3322 0.9029 -0.06927
## 476 -0.3398 0.9207
## 348 -0.3352 0.9203
## 384 0.01542 -0.3274 0.9049 -0.06718
## 480 0.02221 -0.3413 0.9103
## 444 -0.3098 0.8687 -0.12160
## 352 0.01795 -0.3364 0.9119
## 448 0.02082 -0.3112 0.8590 -0.12140
## cnd(slp_scl) cnd(top_pos_scl) cnd(us_scl) df logLik AICc delta weight
## 508 -0.1601 -0.07042 0.3971 10 -2166.977 4354.0 0.00 0.338
## 380 -0.1730 0.4014 9 -2168.696 4355.4 1.43 0.165
## 512 -0.1600 -0.07084 0.3979 11 -2166.929 4355.9 1.92 0.130
## 476 -0.2365 -0.06762 0.3991 9 -2169.033 4356.1 2.10 0.118
## 348 -0.2466 0.4031 8 -2170.622 4357.3 3.27 0.066
## 384 -0.1729 0.4020 10 -2168.667 4357.4 3.38 0.062
## 480 -0.2362 -0.06810 0.4000 10 -2168.973 4358.0 3.99 0.046
## 444 -0.08093 0.3785 9 -2170.204 4358.5 4.44 0.037
## 352 -0.2464 0.4039 9 -2170.583 4359.2 5.20 0.025
## 448 -0.08133 0.3793 10 -2170.151 4360.4 6.35 0.014
## Models ranked by AICc(x)
## Random terms (all models):
## cond(1 | id)
# Summierte Akaike-Gewichte je Prädiktor:
MuMIn::sw(all_m_global_day)
## cond(dist_road_only_quadrat) cond(dist_road_only_scaled)
## Sum of weights: 1.00 1.00
## N containing models: 256 256
## cond(forest_prop_scaled) cond(us_scaled)
## Sum of weights: 1.00 1.00
## N containing models: 256 256
## cond(forest_prop_quadrat) cond(slope_scaled)
## Sum of weights: 1.00 0.94
## N containing models: 256 256
## cond(slope_quadrat) cond(topo_pos_scaled)
## Sum of weights: 0.75 0.67
## N containing models: 256 256
## cond(dist_sett_scaled)
## Sum of weights: 0.28
## N containing models: 256
# Das bestplatzierte Einzelmodell für die nächste Übung:
best_model_day <- MuMIn::get.models(all_m_global_day, subset = 1)[[1]]
summary(best_model_day)
## Family: binomial ( logit )
## Formula:
## pres_abs ~ dist_road_only_quadrat + dist_road_only_scaled + forest_prop_quadrat +
## forest_prop_scaled + slope_quadrat + slope_scaled + topo_pos_scaled +
## us_scaled + (1 | id)
## Data: DF_reh_day
##
## AIC BIC logLik -2*log(L) df.resid
## 4354.0 4416.8 -2167.0 4334.0 3954
##
## Random effects:
##
## Conditional model:
## Groups Name Variance Std.Dev.
## id (Intercept) 0.208 0.4561
## Number of obs: 3964, groups: id, 12
##
## Conditional model:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) 0.18495 0.14995 1.233 0.2174
## dist_road_only_quadrat -0.31030 0.02574 -12.056 < 0.0000000000000002 ***
## dist_road_only_scaled 0.97543 0.06641 14.688 < 0.0000000000000002 ***
## forest_prop_quadrat -0.33080 0.05458 -6.061 0.00000000135 ***
## forest_prop_scaled 0.91215 0.05610 16.260 < 0.0000000000000002 ***
## slope_quadrat -0.06945 0.03431 -2.024 0.0429 *
## slope_scaled -0.16009 0.06310 -2.537 0.0112 *
## topo_pos_scaled -0.07042 0.03799 -1.854 0.0638 .
## us_scaled 0.39713 0.04228 9.393 < 0.0000000000000002 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Eine kleine ΔAICc in der Liste der Top-Modelle bedeutet, dass mehrere Modelle ähnlich gut gestützt sind. Wir verwenden für die Modelldiagnostik und die Response Curves von nächster Woche ausschliesslich das best_model als einzelnes, konkret spezifiziertes Modell.
Exkurs: Model Averaging
Wenn mehrere Modelle ähnlich gut gestützt sind (beispielsweise ΔAICc < 2), kann die Wahl eines einzigen Modells mit Modellunsicherheit verbunden sein. Beim Model Averaging werden Koeffizienten mehrerer Kandidatenmodelle anhand ihrer Akaike-Gewichte gemittelt. Es entsteht damit kein neues Einzelmodell mit einer eindeutig festgelegten Formel. Da beim Model Averaging die Ergebnisse mehrerer Modelle kombiniert werden, ist die anschliessende Modelldiagnostik und Visualisierung aufwendiger. Wir arbeiten deshalb in den nachfolgenden Übungen mit dem Modell weiter, das den niedrigsten AICc aufweist.
In der Studie von Coppes et al. (2017) wurde eine Modellmittelung nur dann angewendet, wenn mehrere Modelle mit ΔAIC < 2 ähnlich gut gestützt waren. Das war für eines der sechs finalen Modelle der Fall.
Ausblick – Modellgüte und Diagnostik
In der nächsten Übung prüfen mit DHARMa die Modellannahmen und stellen die Resultate grafisch dar.