Auswertung von Wertprüfungsbonituren (U. Meyer, Bundessortenamt)

Ähnliche Dokumente
Inhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien

Wiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8

Bei der Versuchsdurchführung wurden die Vorschriften des Strahlenschutzes (Bleischürzen, Schilddrüsenschutz, Bleiglasbrille) sorgfältig beachtet.

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

Statistik II: Grundlagen und Definitionen der Statistik

Forschungsmethoden in der Sozialen Arbeit

Einführung in die Statistik

Statistik. Jan Müller

Inhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen

ANalysis Of VAriance (ANOVA) 2/2

Statistische Grundlagen I

Ermitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:

Angewandte Statistik 3. Semester

PROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)

Ordinale abhängige Variablen. Einführung Regressionsmodelle für ordinale Variablen Empirisches Beispiel Ausblick

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.

3. Lektion: Deskriptive Statistik

Seminar zur Energiewirtschaft:

Merkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum

Statistische Methoden in den Umweltwissenschaften

Statistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.

1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n

Kapitel III - Merkmalsarten

Bitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.

Parametrische vs. Non-Parametrische Testverfahren

Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06

Zusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:

Deskriptive Statistik Kapitel III - Merkmalsarten

Forschungsstatistik I

Deskriptive Statistik Erläuterungen

Vorlesung: Statistik II für Wirtschaftswissenschaft

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011

2. Deskriptive Statistik

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Multivariate Lineare Modelle SS Varianzanalyse. 1. T -Statistiken. 2. ANOVA einfaktoriell. 3. ANOVA zweifaktoriell 4. MANOVA 5.

Kreisdiagramm, Tortendiagramm

htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK

Fachrechnen für Tierpfleger

Statistik I. 1. Klausur Wintersemester 2010/2011 Hamburg, Art der Anmeldung: STiNE FlexNow Zulassung unter Vorbehalt

SozialwissenschaftlerInnen II

Deskriptive Statistik Auswertung durch Informationsreduktion

Lineare Regression 1 Seminar für Statistik

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...

Kapitel 1 Beschreibende Statistik

Skript Statistik. Gerhard Kuhn, rechnenmachtspass.de Version 3

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp

Streuungsmaße von Stichproben

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

THEMA: MAßGESCHNEIDERTE TESTS IN DER VARIANZANALYSE" TORSTEN SCHOLZ

Regression mit Dummyvariablen. Regression mit Dummyvariablen. Variablentypen. Regressionsmodelle. Bezug auf einzelne Variablen.

Sonstige. Ackerbohne Sommerraps Sonnenblume Futtererbse Winterraps Einjähriges Weidelgras Blaue Lupine Winterrübsen Alexandriner Klee

Median 2. Modus < Median < Mittelwert. Mittelwert < Median < Modus. 2 Modalwerte oder Modus viel größer bzw. viel kleiner als Mittelwert

Lösungen zu den Aufgaben zur Multivariaten Statistik Teil 3: Aufgaben zur Varianzanalyse

1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung

Ein SAS Makro zur Auswertung von geordneten kategorialen Daten nach dem Schwellenwertmodell mit festen und zufälligen Effekten

Lagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg

Lösungen zur Klausur zur Statistik Übung am

Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert

Deskriptive Statistik Winfried Zinn

Häufigkeitsverteilungen und Statistische Maßzahlen. Häufigkeitsverteilungen und Statistische Maßzahlen. Variablentypen. Stichprobe und Grundgesamtheit

Statistisches Testen

Übungsaufgaben zu Statistik II

Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen

PROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)

Grundlagen der empirischen Sozialforschung

Forschungsmethoden in der Sozialen Arbeit (XI)

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS

I. Zahlen, Rechenregeln & Kombinatorik

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend

Univariate explorative Datenanalyse in R

Univ.-Prof. Dr. Georg Wydra

Sommeranbau verschiedener Salatgurkensorten auf Holzfaser- Perlit- Substrat

Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66

Mathematik. Schuljahr 1

Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg

Vorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig

Die SAS-Prozedur MIXED

Assoziation & Korrelation

Arbeitsbuch zur deskriptiven und induktiven Statistik

Schätzung kumulativer Wahrscheinlichkeiten geordneter kategorialer Daten bei festgelegter Kategorienanzahl und unterschiedlich leeren Klassen

Wiederholung. Seminar für Statistik

Biostatistische Studienplanung. Dr. Matthias Kohl SIRS-Lab GmbH

Daten, Datentypen, Skalen

STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)

GRUPPE B Prüfung aus Statistik 1 für SoziologInnen

Inhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15

Statistik für das Psychologiestudium

2 Distanzen. Distanzen von Objekten. Einleitung Distanzen Repräsentation Klassifikation Segmentierung

Name Vorname Matrikelnummer Unterschrift

Dr. Reinhard Vonthein, Dipl. Statistiker (Univ.)

6. Multivariate Verfahren Übersicht

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn

Deskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung

Kapitel 1 Beschreibende Statistik

Klausur vom

1 GRUNDLAGEN Grundbegriffe Skalen...15


Transkript:

Auswertung von Wertprüfungsbonituren (U. Meyer, Bundessortenamt) - Ziel - Daten - Modell - Methoden - Ergebnisse - Schlussfolgerungen 1 Referat 111

Ziel Prüfung der Anwendbarkeit verfügbarer Methoden für die Auswertung von Parzellen-Bonituren am Beispiel: - gemischter Modelle (proc mixed) - des Schwellenwertmodells (McCullagh) - und des verallgemeinerten linearen gemischten Modells (proc glimmix) 2 Referat 111

Daten (2 Winterweizenserien) Winterweizen (Sonderprüfung) - 2 Jahre, 9 Orte, 27 Sorten, 4 Wdh. - Merkmale (Massenbildung und Fahnenblatthaltung) - Winterweizen (Standardwertprüfung) - 3 Jahre, 37 Orte, 164 Sorten, 2 Wdh., unbehandelt - Merkmale (Mehltau und Lager vor Ernte) 3 Referat 111

Skalentyp Beschreibung Verteilung Daten Skalenniveau Quantitativ (metrisch) Ratio Konstante Abstände mit absolutem Nullpunkt Kontinuierlich Absolute Messung Sehr hoch Diskret Zählung Sehr hoch Interval Konstante Abstände ohne absolutem Nullpunkt Kontinuierlich Relative Messung Hoch Diskret Datum Hoch Qualitativ mit zugehöriger quantitativer Variable Ordinal Geordnete Ausprägungen mit variierenden Abständen Diskret Visuell ermittelte Boniturnoten Mittel Qualitativ Nominal Keine geordneten Ausprägungen und keine Abstände Diskret Visuell ermittelte Boniturnoten Niedrig 4 Referat 111

Skalentyp Beschreibung Verteilung Daten Skalenniveau Qualitativ mit zugehöriger quantitativer Variable Ordinal Geordnete Ausprägungen mit variierenden Abständen Diskret Visuell ermittelte Boniturnoten Mittel Parzelle Parzelle Parzelle Parzelle entweder oder Parzellenbonitur 1 Wert pro Parzelle Einzelpflanzenbonitur n Werte pro Parzelle 5 Referat 111

Merkmal: Haltung des Fahnenblattes Note Haltung des Fahnenblattes 1 Alle Fahnenblätter gerade 3 25 % der Pflanzen gebogene Fahnenblätter 5 50 % der Pflanzen gebogene Fahnenblätter 7 75 % der Pflanzen gebogene Fahnenblätter 9 Alle Fahnenblätter gebogen Die geraden Zahlen sind für die Übergänge zu verwenden 6 Referat 111

Merkmal: Massenbildung nach Vegetationsbeginn Note Massenbildung nach Vegetationsbeginn 1 Fehlend oder sehr gering 3 Gering 5 Mittel 7 Stark 9 Sehr stark Die geraden Zahlen sind für die Übergänge zu verwenden 7 Referat 111

Merkmal: Lager vor Ernte Note Lager vor Ernte 1 Kein Lager 3 Neigung aller Halme um ca. 30 von der Senkrechten oder nesterweise auf ¼ des Teilstückes stärkeres Lager 5 Neigung aller Halme um ca. 45 von der Senkrechten oder nesterweise auf ½ des Teilstückes stärkeres Lager 7 Neigung aller Halme um ca. 60 von der Senkrechten oder totales Lager auf ¾ des Teilstückes 9 Totallager Die geraden Zahlen sind für die Übergänge zu verwenden 8 Referat 111

Merkmal: Echter Mehltau Note Echter Mehltau Erysiphe graminis 1 Kein Befall 3 >2 % bis 5% befallene Blattfläche 5 >8% bis 14% befallene Blattfläche 7 >22% bis 37% befallene Blattfläche 9 >61% bis 100% befallene Blattfläche Die geraden Zahlen sind für die Übergänge zu verwenden 9 Referat 111

Auswertung von Wertprüfungsbonituren - Ziel - Daten - Modell - Methoden - Ergebnisse - Schlussfolgerungen 10 Referat 111

Modell y ijkl = µ + α i + β j + γ k + βγ jk + αβ ij + αγ ik + αβγ ijk + e ijkl µ Gesamtmittel α i Sorteneffekt (fix) αβ ij - Sorte x Jahr Wechselwirkung (zufällig) β j - Jahreseffekt (zufällig) γ k Ortseffekt (zufällig) e ijkl Fehler (zufällig) αγ ik Sorte x Ort Wechselwirkung (zufällig) βγ jk - Jahr x Ort Wechselwirkung (zufällig) αβγ ijk - Sorte x Jahr x Ort Wechselwirkung (zufällig) 11 Referat 111

Auswertung von Wertprüfungsbonituren - Ziel - Daten - Modell - Methoden - Ergebnisse - Schlussfolgerungen 12 Referat 111

Methoden 1. BSA-Standardauswertung - Gewichtetes Mittel (Anzahl Orte pro Jahr, Max=15) 2. Deskriptive Statistik - Mittelwert, Median 3. Gemischte Modelle (Sorten, Orte, Jahre) - proc mixed, LSMeans, Estimate-Anweisung 4. Schwellenwertmodell (SWM) - proc mixed, LSMeans, (Estimate-Anweisung) 5. Verallgemeinerte lineare gemischte Modelle - proc glimmix, Estimate-Anweisung 13 Referat 111

Auswertung von Wertprüfungsbonituren - Ziel - Daten - Modell - Methoden - Ergebnisse - Schlussfolgerungen 14 Referat 111

Merkmal: Fahnenblatthaltung (FBHAL) Jahr 2005+2006 Mixed Sorte/Note 1 2 3 4 5 6 7 8 9 MW Median LSMeans SWM Glimmix S1 2 2 12 4 18 14 14 2 5,12 5,0 5,1640-2,7330 Volles Modell S2 5 9 20 4 13 8 9 4,04 3,5 4,1088-3,8190 nach 24 Std. S3 43 14 11 1,53 1,0 1,5549-7,1704 abgebrochen S4 25 24 19 1,91 2,0 1,9450-6,4444 S5 12 7 15 9 14 6 4 1 3,66 3,5 3,7260-4,2934 ohne 3fach-WW S6 1 4 10 9 3 7 20 14 6,43 7,5 6,4942-1,2465 auch keine S7 1 7 6 12 11 13 12 6 6,09 6,0 6,1378-1,6768 Konvergenz S8 10 12 21 11 10 4 3,16 3,0 3,2005-4,7813 S9 15 30 18 3 2 2,22 2,0 2,2422-5,9109 S10 3 8 25 8 17 6 1 3,74 3,0 3,7779-4,0848 S11 7 26 20 1 4 5 2 2 1 3,12 3,0 3,1588-4,8708 S12 10 33 19 2 4 2,37 2,0 2,3941-5,7048 S13 23 24 17 2 2 2,06 2,0 2,0922-6,2343 S14 4 8 9 2 18 18 9 6,65 7,0 6,6857-1,1085 S15 14 14 26 8 5 1 2,71 3,0 2,7393-5,3111 S16 2 4 4 1 12 4 16 16 9 6,34 7,0 6,3952-1,4477 S17 1 5 5 4 2 4 6 9 6,25 7,0 6,6910-0,8924 S18 7 7 8 5 5 2 1 1 3,25 3,0 3,6910-4,2336 S19 16 12 7 1 1,83 2,0 2,2744-5,9974 S20 3 6 1 5 1 9 7 4 5,94 7,0 6,3855-1,3163 S21 3 1 4 2 9 8 5 6,78 7,0 6,3741-1,5405 S22 2 7 6 6 6 5 6,63 7,0 6,2178-1,6489 S23 11 6 8 4 3 2,44 2,0 2,0303-6,3157 S24 5 14 13 2,25 2,0 1,8428-6,3413 S25 5 1 8 7 10 1 5,59 6,0 5,1866-2,8103 S26 1 1 4 3 13 4 4 1 1 5,03 5,0 4,6241-3,3603 S27 4 3 9 6 10 7,47 7,5 7,0616-0,6497 Summe *) 213 255 309 87 185 90 137 105 75 4,08 4,30 4,23-3,78 *) angezeigter Datensatz unvollständig Rangkorrelation zu MW 0.9702 0,9579 0,9595 Alpha <0.0001 <0.0001 <0.0001 F-Test Sorte 20,21 15,29 Alpha <0.0001 <0.0001 15 Referat 111

Merkmal: Massenbildung (MBANF) Jahr 2005+2006 Mixed Sorte/Note 1 2 3 4 5 6 7 8 9 MW Median lsmeans SWM Glimmix S1 1 11 8 5 11 9 3 1 3 4,46 5,0 4,5451 keine keine S2 10 13 7 6 10 2 4 4,29 4,0 4,3827 Konvergenz Konvergenz S3 2 7 14 11 11 3 1 3 3,96 4,0 4,1002 bei vollem bei vollem S4 1 9 13 8 7 5 5 4 4,35 4,0 4,5230 Modell Modell S5 3 11 8 2 3 6 11 8 4,79 5,0 4,8112 S6 3 9 7 5 5 6 6 6 5 4,96 5,0 4,9490 Konvergenz S7 1 8 8 9 3 9 5 6 3 4,92 4,5 4,9904 ohne 3fach-WW S8 1 6 15 11 9 4 2 4 4,17 4,0 4,2832 aber keine S9 2 4 15 4 12 9 4 2 4,40 5,0 4,4581 Sortenwirkung S10 1 6 18 7 12 4 4 4,13 4,0 4,2083 S11 3 5 13 4 10 11 2 3 1 4,44 5,0 4,5127 S12 3 7 11 7 5 10 7 2 4,38 4,0 4,5268 S13 3 7 15 5 10 5 3 4 4,13 4,0 4,2427 S14 2 10 8 3 5 3 13 7 1 4,94 5,0 5,0256 S15 4 5 12 6 7 11 3 4 4,38 4,0 4,5298 S16 2 9 9 4 3 9 6 10 4,88 5,0 4,9568 S17 2 1 2 3 5 6 1 4 6,08 6,0 4,8525 S18 2 1 1 4 11 1 4 5,83 6,0 4,6025 S19 1 2 6 3 7 1 4 5,50 5,5 4,2692 S20 1 1 2 2 9 1 4 4 6,17 6,0 4,9358 S21 7 11 2 2 2 3 1 3,79 3,0 4,9915 S22 5 6 7 1 5 1 3 3,50 3,0 4,7058 S23 4 5 10 4 1 4 3,18 3,0 4,3843 S24 1 7 11 6 3 3,11 3,0 4,3129 S25 4 5 8 5 2 3 1 3,32 3,0 4,5272 S26 3 7 4 7 1 1 1 1 3 3,93 3,5 5,1343 S27 1 10 5 3 2 3 4 3,71 3,0 4,9200 Summe *) 51 177 249 135 147 159 92 74 40 4,43 4,31 4,62 *) angezeigter Datensatz unvollständig Rangkorrelation 0,9600 0,3148 Alpha <0,0001 0,1097 F-Test Sorte 1,25 Alpha 0,3298 16 Referat 111

17 Referat 111

18 Referat 111

Auswertung von Wertprüfungsbonituren - Ziel - Daten - Modell - Methoden - Ergebnisse - Schlussfolgerungen 19 Referat 111

Schlussfolgerungen - Parzellenbonituren eignen sich im Gegensatz zu Einzelpflanzenbonituren nicht grundsätzlich für die Auswertung mit der SWM oder mit GLIMMIX - Schwache Zellbesetzungen führen oft zur Nichtkonvergenz bei der Nutzung der SWM und auch bei GLIMMIX - Schwellwerte sind teilweise trotz Konvergenz des Modells nicht plausibel 20 Referat 111

Schlussfolgerungen - LSMeans aus proc mixed können im Einzelfall einen guten Kompromiss zum gewichteten Mittelwert (BSA-Methode) bilden - Weitere Untersuchungen zu geeigneten Modellen und Auswertungsverfahren für ordinale Parzellenbonituren aus nichtorthogonalen Versuchsserien sind notwendig 21 Referat 111

22 Referat 111