Krusche, Stefan: Visualisierung und Analyse multivariater Daten in der gartenbaulichen Beratung - Methodik, Einsatz und Vergleich datenanalytischer Verfahren |
Übersichten zur Auswertung der betriebsbegleitenden Untersuchung bei Cyclamen, Kapitel 3.1
Übersicht |
Benennung |
Seite |
Übersicht A1: |
Variablenset 1, Qualitätsbeurteilungen |
1 |
Übersicht A2: |
Variablenset 2, Substratanalysewerte |
2 |
Übersicht A3a: |
Variablenset 3, Schattiersollwerte |
3 |
Übersicht A3b: |
Variablenset 3, Platzbedarf, Rücken |
4 |
Übersicht A3c: |
Variablenset 3, Temperaturführung |
5 |
Übersicht A4: |
Variablenset 4, Strukturdaten |
6 |
Übersicht A5: |
Spearman Rangkorrelationen der Sorte ‘Sierra der Merkmale im Variablenset 1 |
7 |
Übersicht A6: |
Spearman Rangkorrelationen der Sorte ‘Concerto der Merkmale im Variablenset 1 |
8 |
Übersicht A7: |
Eigenwerte und Spur der Hauptkoordinatenanalysen der Qualitätsbonituren für ‘Sierra und ‘Concerto Woche 44 und Woche 48 |
9 |
Übersicht A8: |
Spearman Korrelationsmatrizen für Bonituren der Qualitätsmerkmale für ‘Sierra und ‘Concerto in Woche 44 und 48 |
10 |
Übersicht A9: |
Hauptkoordinatenanlyse der Spearman-Korrelationsmatrix für die Bonituren der Qualitätsmerkmale bei ‘Sierra und ‘Concerto in Woche 44 uind 48 |
11 |
Übersicht A10: |
Spearman Rangkorrelationen der Substratanalysewerte in Variablenset 2 |
12 |
Übersicht A11: |
Normalverteilungstests der Substratanalysewerte in Variablenset 2 (Reihenfolge der Variablen wie in Übersicht A10) |
13 |
Übersicht A12: |
Test auf multivariate Ausreißer in Variablenset 2 |
14 |
Übersicht A13: |
Screeplot der Hauptkomponentenanalyse der Substratanalysewerte |
15 |
Übersicht A14 a und b: |
Bestimmung der Anzahl ‘wesentlicher Hauptkomponenten nach VELICER, 1976 (a)) und EASTMENT & KRZANOWSKI, 1982 (b)) nach Hauptkomponentenanalyse der Substratanalysewerte |
16 |
Übersicht A15 a und b: |
Hauptkomponenten-Residuen nach Hauptkomponentenanalyse der Substratanalysewerte und Betrachtung von einer Dimension (a)) beziehungsweise von zwei Dimensionen (b)) |
16 |
Übersicht A16: |
Approximation von Variablenwerten durch interaktives Vorgehen bei der Auswertung von Hauptkomponenten-Biplots mit Prediktionsmarkern |
17 |
Übersicht A17: |
Hauptkomponentenanalyse der Schattiersollwerte |
18 |
Übersicht A18: |
Variablen und verwendete Proximitätsmaße im Variablenset 3 |
19 |
Übersicht A19: |
Hauptkoordinatenanalyse und ordinale mehrdimensionale Skalierung von Variablenset 3 |
20 |
Übersicht A20: |
Nächste Nachbarn, typische Objekte und Ähnlichkeit zwischen Gruppierungen im Variablenset 3 |
21 |
Übersicht A21: |
Multiple Korrespondenzanalyse der betrieblichen Strukturdaten in Variablenset 4 |
22 |
Übersicht A22: |
Vorhersage (Prediktion) der Klassenzugehörigkeit durch die Prediktionsregionen im multiplen Korrespondenzanalyse-Biplot bei Verwendung der Chi-Quadrat-Distanz (mca) und des extended matching-Koeffizienten (emc), sowie Beschreibung der Klassen und wahre Klassenhäufigkeiten |
23 |
Übersicht A23: |
Hauptkoordinatenanalyse, ordinale mehrdimensionale Skalierung, nächste Nachbarn und Zentroid Distanzen; Grundlagen für die Abbildung A59, A60 und A61 |
24 |
Übersicht A24: |
Variablensets für die generalisierte kanonische Analyse |
25 |
Übersicht A25: |
Loss-Werte der vier generalisierten kanonischen Analysen in den ersten beiden Dimensionen |
26 |
Übersicht A26: |
Komponentenladungen der Variablensets nach generalisierter kanonischer Analyse, ‘Sierra |
27 |
Übersicht A27: |
Komponentenladungen der Variablensets nach generalisierter kanonischer Analyse, ‘Concerto |
28 |
A-2A-1
Übersicht A1: Variablenset 1, Qualitätsbeurteilungen
![]() |
![]() |
Alle Merkmale sind auf einer Ordinalskala von 1 bis 9 bestimmt, wobei eine 1 immer für die schlechteste Beurteilung und eine 9 immer für die beste Beurteilung steht; das heißt, eine 9 im Knospenbesatz steht für eine Pflanze mit vielen Knospen und damit für gute Qualität. Eine 9 bei Krankheiten steht für eine Pflanze ohne Krankheiten oder Schädlinge, also ebenfalls für gute Qualität. Die Bonituren erfolgten eine Woche, vier Wochen und sechs Wochen nach dem Kulturende im Betrieb. Für alle 20 Betriebe wurden 15 Pflanzen der Sorte ‘Sierra und 15 Pflanzen der Sorte ‘Concerto beurteilt. Verwendet wird für die Auswertungen der Median dieser Beurteilungen. . |
|
A-2A-2
Übersicht A2: Variablenset 2, Substratanalysewerte
![]() |
|
Bei den Substratanalysdewerten handelt es sich um verhältnisskalierte Variablen. Die Analysen wurden nach der LUFA-Methode in den Wochen 23, 28 und 41, das heißt zum Kulturbeginn, nach 6 Wochen Kulturdauer und zum Kulturende genommen. Für den Betrieb 5 fehlen die Substartanalysewerte in Woche 41. |
|
A-2A-3
Übersicht A 3a: Variablenset 3, Schattiersollwerte
![]() |
Die Schattiersollwerte werden als verhältnisskaliert betrachtet. Bei der Angabe der Schattierfarbe handelt es sich um eine nominalskalierte Variable binärer Struktur. |
A-2A-4
Übersicht A 3b: Variablenset 3, Platzbedarf, Rücken
![]() |
Die mit * gekennzeichneten Variablen sind aus anderen Variablen berechnet. Mit Ausnahme der Anzahl der Rückvorgänge, die als nominalskaliert betrachtet werden kann, und der berechneten Variablen, ist die Bestimmung des Skalenniveaus nicht ganz eindeutig und sowohl eine Interpretation der Variablen als verhältnis- als auch als ordinalskaliert denkbar. |
A-2A-5
Übersicht A 3c: Variablenset 3, Temperaturführung
![]() |
Bei den Temperaturwerten in Grad Celcius (C) handelt es sich um intervallskalierte Variablen. Bei den Angaben zur Temperaturdifferenz liegen nominalskalierte Variablen vor (keine negative Dif, ein Grad negative Dif, zwei Grad negative Dif), die auch ordinalskaliert interpretiert werden können. Die mit * gekennzeichneten Variablen sind aus den anderen Werten abgeleitet. Der Energiebverbrauch ist nach der im Planungsprogramm Gartplan verfügbaren Temperaturtabelle geschätzt (KRUSCHE, 1997). Der Energieverbrauch wird als verhältnisskaliert betrachtet. |
A-2A-6
Übersicht A4: Variablenset 4, Strukturdaten
![]() |
![]() |
Bei den Strukturvariablen handelt es sich um nominalskalierte Variablen binärer Struktur, das heißt es gibt für jedes Merkmal nur zwei Auprägungen. Die Ausgangsdaten führen die einzelnen Merkmale allerdings in mehr als zwei Klassen. Die Dichotomisierung wurde durch den Verfasser vorgenommen. Keine fehlenden Werte. |
|
A-2A-7
Übersicht A5: Spearman Rangkorrelationen der Sorte ‘Sierra der Merkmale im Variablenset 1
Sample size: 20 Degrees of freedom = 18 Exact critical values for one-sided test: p=0.05, critical value = 0.377 p=0.01, critical value = 0.534 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 0.512 1.000 3 0.282 0.470 1.000 4 0.341 0.213 0.325 1.000 5 0.345 0.056 0.055 0.446 1.000 6 -0.010 0.075 0.389 0.478 0.174 1.000 7 0.087 0.014 -0.009 -0.239 -0.113 0.064 1.000 8 0.302 0.480 0.348 0.000 0.000 -0.226 -0.053 1.000 9 0.389 0.071 -0.011 0.050 0.091 -0.075 0.176 0.280 1.000 10 0.136 -0.053 -0.036 0.047 0.094 0.030 -0.400 -0.015 0.343 1.000 11 0.456 0.327 0.387 0.221 0.327 0.309 -0.268 0.000 0.263 0.687 1.000 12 -0.041 0.371 0.551 0.392 0.331 0.533 -0.139 0.053 -0.150 0.106 0.448 1.000 13 0.325 -0.030 0.200 0.318 0.254 0.293 -0.088 -0.232 0.122 0.546 0.469 0.349 1.000 14 0.137 0.016 0.232 0.200 0.399 0.429 -0.002 -0.257 -0.138 0.139 0.356 0.571 0.599 1.000 15 -0.105 0.070 0.051 -0.050 0.048 0.270 0.153 -0.117 -0.031 0.151 0.258 0.382 0.318 0.498 1.000 16 0.295 0.191 0.109 -0.003 0.033 -0.058 0.351 0.228 -0.024 0.509 -0.176 -0.311 -0.381 -0.048 0.105 1.000 17 0.141 0.217 0.348 -0.211 -0.038 0.118 -0.009 0.197 0.238 0.093 0.259 0.102 0.120 -0.061 0.225 -0.079 1.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Reihenfolge der Variablen: 1 ges 44 7 kno 44 13 wel 44 2 ges 46 8 kno 46 14 wel 46 3 ges 48 9 kno 48 15 wel 48 4 gil 44 10 kra 44 16 wur 44 5 gil 46 11 kra 46 17 wur 48 6 gil 48 12 kra 48 |
A-2A-8
Übersicht A6: Spearman Rangkorrelationen der Sorte ‘Concerto der Merkmale im Variablenset 1
Spearman Rank Correlation Sample size: 20 Degrees of freedom = 18 Exact critical values for one-sided test: p=0.05, critical value = 0.377 p=0.01, critical value = 0.534 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 0.336 1.000 3 0.673 0.482 1.000 4 0.592 0.370 0.292 1.000 5 0.081 0.450 0.260 0.486 1.000 6 0.209 0.313 0.410 0.564 0.739 1.000 7 0.695 0.309 0.452 0.286 0.080 0.082 1.000 8 -0.048 0.434 0.297 0.189 0.786 0.655 0.084 1.000 9 -0.207 0.198 -0.473 -0.086 0.181 -0.229 -0.251 -0.007 1.000 10 0.611 0.260 0.354 0.603 0.131 0.331 0.442 0.212 -0.306 1.000 11 0.556 0.406 0.382 0.580 0.605 0.529 0.265 0.540 0.067 0.659 1.000 12 0.527 -0.125 0.170 0.288 -0.070 0.138 0.476 -0.218 -0.278 0.456 0.277 1.000 13 0.764 0.555 0.548 0.521 0.242 0.270 0.828 0.242 -0.153 0.627 0.519 0.359 1.000 14 0.072 0.285 0.202 -0.275 0.096 -0.050 0.205 0.223 0.098 -0.092 0.024 -0.034 0.231 1.000 15 0.220 0.337 0.153 0.015 0.316 0.199 0.365 0.443 0.026 0.239 0.456 0.116 0.384 0.757 1.000 16 -0.218 -0.225 -0.103 -0.018 -0.232 -0.091 -0.127 -0.124 -0.383 -0.097 -0.221 0.000 -0.164 -0.573 -0.378 1.000 17 -0.137 -0.029 -0.073 0.066 0.265 0.004 -0.191 0.163 0.139 -0.351 -0.032 -0.096 -0.096 -0.123 -0.239 0.268 1.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Reihenfolge der Variablen: 1 ges 44 7 kno 44 13 wel 44 2 ges 46 8 kno 46 14 wel 46 3 ges 48 9 kno 48 15 wel 48 4 gil 44 10 kra 44 16 wur 44 5 gil 46 11 kra 46 17 wur 48 6 gil 48 12 kra 48 |
A-2A-9
Übersicht A7: Eigenwerte und Spur der Hauptkoordinatenanalysen der Qualitätsbonituren für ‘Sierra und ‘Concerto Woche 44 und Woche 48
‘Sierra 44 ***** Principal coordinates analysis ***** *** Latent Roots *** 1 2 3 4 5 6 1.0246 0.7690 0.5554 0.4250 0.3054 0.2236 7 8 9 10 11 12 0.2087 0.1608 0.1326 0.1161 0.0801 0.0474 13 14 15 16 17 18 0.0392 0.0273 0.0191 0.0162 0.0101 0.0061 19 20 0.0000 0.0000 *** Percentage variation *** 1 2 3 4 5 6 24.59 18.46 13.33 10.20 7.33 5.37 7 8 9 10 11 12 5.01 3.86 3.18 2.79 1.92 1.14 13 14 15 16 17 18 0.94 0.66 0.46 0.39 0.24 0.15 19 20 0.00 0.00 *** Trace 4.167 |
‘Sierra 48 ***** Principal coordinates analysis ***** *** Latent Roots *** 1 2 3 4 5 6 0.8335 0.5675 0.4028 0.3091 0.2980 0.2043 7 8 9 10 11 12 0.1656 0.1175 0.1018 0.0851 0.0658 0.0400 13 14 15 16 17 18 0.0330 0.0254 0.0079 0.0072 0.0000 0.0000 19 20 0.0000 0.0000 *** Percentage variation *** 1 2 3 4 5 6 25.53 17.38 12.34 9.47 9.13 6.26 7 8 9 10 11 12 5.07 3.60 3.12 2.61 2.02 1.23 13 14 15 16 17 18 1.01 0.78 0.24 0.22 0.00 0.00 19 20 0.00 0.00 *** Trace 3.265 |
‘Concerto 44 ***** Principal coordinates analysis ***** *** Latent Roots *** 1 2 3 4 5 6 1.5171 0.6916 0.4721 0.3354 0.3258 0.2353 7 8 9 10 11 12 0.2107 0.1698 0.1343 0.0680 0.0579 0.0426 13 14 15 16 17 18 0.0391 0.0237 0.0181 0.0174 0.0077 0.0045 19 20 0.0015 0.0000 *** Percentage variation *** 1 2 3 4 5 6 34.70 15.82 10.80 7.67 7.45 5.38 7 8 9 10 11 12 4.82 3.88 3.07 1.55 1.32 0.97 13 14 15 16 17 18 0.89 0.54 0.41 0.40 0.18 0.10 19 20 0.03 0.00 *** Trace 4.372 |
‘Concerto 48 ***** Principal coordinates analysis ***** *** Latent Roots *** 1 2 3 4 5 6 0.8644 0.4891 0.4197 0.2973 0.2551 0.2163 7 8 9 10 11 12 0.1821 0.1462 0.1097 0.0819 0.0761 0.0595 13 14 15 16 17 18 0.0491 0.0334 0.0290 0.0147 0.0093 0.0040 19 20 0.0027 0.0000 *** Percentage variation *** 1 2 3 4 5 6 25.88 14.64 12.57 8.90 7.64 6.48 7 8 9 10 11 12 5.45 4.38 3.29 2.45 2.28 1.78 13 14 15 16 17 18 1.47 1.00 0.87 0.44 0.28 0.12 19 20 0.08 0.00 *** Trace 3.340 |
A-2A-10
Übersicht A8: Spearman Korrelationsmatrizen für Bonituren der Qualitätsmerkmale für ‘Sierra und ‘Concerto in Woche 44 und 48
‘Sierra, Woche 44 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 0.087 1.000 3 0.295 0.351 1.000 4 0.341 -0.239 -0.003 1.000 5 0.325 -0.088 -0.381 0.318 1.000 6 0.136 -0.400 -0.509 0.047 0.546 1.000 1 2 3 4 5 6 |
‘Sierra, Woche 48 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 -0.011 1.000 3 0.348 0.238 1.000 4 0.389 -0.075 0.118 1.000 5 0.051 -0.031 0.225 0.270 1.000 6 0.551 -0.150 0.102 0.533 0.382 1.000 1 2 3 4 5 6 |
‘Concerto, Woche 44 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 0.695 1.000 3 -0.218 -0.127 1.000 4 0.592 0.286 -0.018 1.000 5 0.764 0.828 -0.164 0.521 1.000 6 0.611 0.442 -0.097 0.603 0.627 1.000 1 2 3 4 5 6 |
‘Concerto, Woche 48 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 -0.473 1.000 3 -0.073 0.139 1.000 4 0.410 -0.229 0.004 1.000 5 0.153 0.026 -0.239 0.199 1.000 6 0.170 -0.278 -0.096 0.138 0.116 1.000 1 2 3 4 5 6 |
‘Sierra-Concerto Kombinationen, Woche 44 Si 1 0.474 0.335 0.133 0.051 0.104 -0.225 Si 2 0.304 0.054 0.221 -0.134 -0.124 -0.059 Si 3 0.170 -0.003 0.192 0.069 0.114 0.071 Si 4 0.351 0.082 -0.351 0.062 0.315 0.094 Si 5 0.277 0.227 0.002 -0.177 0.118 0.082 Si 6 0.320 0.164 -0.022 0.019 0.056 0.019 Co 1 Co 2 Co 3 Co 4 Co 5 Co 6 |
‘Sierra ‘Concerto Kombinationen, Woche 48 Si 1 0.618 0.054 0.043 0.196 -0.090 0.017 Si 2 -0.476 0.018 -0.041 -0.147 0.369 -0.028 Si 3 -0.020 0.044 0.466 -0.106 -0.020 -0.270 Si 4 0.184 0.239 0.012 0.201 -0.310 0.005 Si 5 0.122 -0.086 -0.109 -0.211 0.321 -0.012 Si 6 0.348 0.152 0.122 0.113 -0.269 0.000 Co 1 Co 2 Co 3 Co 4 Co 5 Co 6 |
1 Gesamtbeurteilung, 2 Knospenbesatz, 3 Wurzelqualität, 4 Vergilbung, 5 Welke, 6 Krankheiten
A-2A-11
Übersicht A9: Hauptkoordinatenanlyse der Spearman-Korrelationsmatrix für die Bonituren der Qualitätsmerkmale bei ‘Sierra und ‘Concerto in Woche 44 und 48
a) ‘Sierra-Concerto, Woche 44 |
*** Latent Roots *** *** Percentage variation *** 1 2 3 4 5 6 1 2 3 4 5 6 2.6314 2.1719 1.1077 1.0060 0.7696 0.5633 27.97 23.09 11.77 10.69 8.18 5.99 7 8 9 10 11 12 7 8 9 10 11 12 0.4897 0.2736 0.2070 0.1105 0.0771 0.0000 5.21 2.91 2.20 1.17 0.82 0.00 aus Hauptkoordinatenanalyse abgeleite Distanzmatrix 1 0.000 2 1.351 0.000 3 1.187 1.139 0.000 4 1.148 1.574 1.417 0.000 5 1.162 1.475 1.662 1.168 0.000 6 1.314 1.674 1.737 1.381 0.953 0.000 7 1.026 1.153 1.317 1.377 1.339 1.565 0.000 8 1.180 1.376 1.248 1.506 1.499 1.456 0.781 0.000 9 1.288 1.416 1.271 1.364 1.331 1.363 1.561 1.501 0.000 10 1.139 1.355 1.644 1.369 1.170 1.346 0.903 1.195 1.427 0.000 11 1.203 1.244 1.413 1.534 1.328 1.355 0.688 0.587 1.526 0.979 0.000 12 1.166 1.293 1.430 1.401 1.374 1.401 0.882 1.056 1.481 0.891 0.864 0.000 1 2 3 4 5 6 7 8 9 10 11 12 |
b) ‘Sierra-Concerto, Woche 48 |
*** Latent Roots *** *** Percentage variation *** 1 2 3 4 5 6 1 2 3 4 5 6 2.4088 1.9217 1.5342 1.0689 0.9725 0.8024 23.44 18.70 14.93 10.40 9.47 7.81 7 8 9 10 11 12 7 8 9 10 11 12 0.5535 0.4937 0.3137 0.1450 0.0601 0.0000 5.39 4.81 3.05 1.41 0.58 0.00 |
aus Hauptkoordinatenanalyse abgeleite Distanzmatrix 1 0.000 2 1.422 0.000 3 1.142 1.235 0.000 4 1.105 1.466 1.328 0.000 5 1.378 1.436 1.245 1.209 0.000 6 0.948 1.517 1.340 0.966 1.112 0.000 7 0.874 1.376 1.384 1.268 1.476 1.402 0.000 8 1.718 1.401 1.443 1.515 1.124 1.434 1.717 0.000 9 1.428 1.383 1.033 1.487 1.428 1.594 1.465 1.313 0.000 10 1.277 1.234 1.406 1.264 1.619 1.411 1.086 1.568 1.412 0.000 11 1.325 1.474 1.490 1.556 1.166 1.423 1.301 1.396 1.574 1.266 0.000 12 1.142 1.302 1.325 1.332 1.593 1.414 1.289 1.599 1.481 1.313 1.329 0.000 1 2 3 4 5 6 7 8 9 10 11 12 |
1 Gesamtbeurteilung, 2 Knospenbesatz, 3 Wurzelqualität, 4 Vergilbung, 5 Welke, 6 Krankheiten bei ‘Sierra
7 Gesamtbeurteilung, 8 Knospenbesatz, 9 Wurzelqualität, 10 Vergilbung, 11 Welke, 12 Krankheiten bei ‘Concerto
A-2A-12
Übersicht A10: Spearman Rangkorrelationen der Substratanalysewerte in Variablenset 2
Spearman Rank Correlation Sample size: 19 Degrees of freedom = 17 Exact critical values for one-sided test: p=0.05, critical value = 0.399 p=0.01, critical value = 0.564 *** Correlation matrix (adjusted for ties) *** 1 1.000 2 0.863 1.000 3 0.874 0.818 1.000 4 -0.164 -0.185 -0.108 1.000 5 0.432 0.404 0.307 0.077 1.000 6 0.574 0.606 0.650 -0.281 0.507 1.000 7 0.489 0.540 0.504 0.221 0.763 0.563 1.000 8 -0.341 -0.366 -0.110 0.284 -0.661 -0.360 -0.344 1.000 9 0.014 0.212 0.092 -0.034 0.182 0.164 0.092 -0.206 1.000 10 0.054 0.200 0.161 0.059 0.275 0.086 0.172 -0.333 0.519 1.000 11 0.058 0.160 0.181 -0.165 -0.382 0.283 -0.142 0.129 0.345 0.174 1.000 12 0.192 0.164 0.172 -0.216 -0.332 -0.011 0.026 0.511 -0.390 -0.507 0.090 1.000 1 2 3 4 5 6 7 8 9 10 11 12 Reihenfolge der Variablen: 1 N, Woche 23 5 N, Woche 29 9 N, Woche 41 2 K, Woche 23 6 K, Woche 29 10 K, Woche 41 3 Salz, Woche 23 7 Salz, Woche 29 11 Salz, Woche 41 4 pH-Wert, Woche 23 8 pH-Wert, Woche 29 12 pH-Wert, Woche 41 |
A-2A-13
Übersicht A11: Normalverteilungstests der Substratanalysewerte in Variablenset 2 (Reihenfolge der Variablen wie in Übersicht A10)
Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- marginal 1 5.205 ** 0.198 ** 0.186 ** 2 4.794 ** 0.089 0.089 3 5.050 ** 0.176 * 0.170 ** 4 5.017 ** 0.087 0.084 5 5.757 ** 0.247 ** 0.247 ** 6 5.927 ** 0.334 ** 0.299 ** 7 5.283 ** 0.202 ** 0.195 ** 8 5.095 ** 0.088 0.081 9 8.322 ** 0.827 ** 0.769 ** 10 7.048 ** 0.598 ** 0.548 ** 11 5.485 ** 0.274 ** 0.251 ** 12 5.169 ** 0.102 0.091 bivariate angle 1 2 3.975 ** 0.135 0.139 1 3 4.272 ** 0.038 0.014 1 4 4.632 ** 0.041 0.052 1 5 4.008 ** 0.060 0.066 1 6 4.213 ** 0.055 0.061 1 7 4.279 ** 0.052 0.041 1 8 4.242 ** 0.166 0.159 ? 1 9 6.456 ** 0.261 -0.027 1 10 6.060 ** 0.234 -0.115 1 11 6.768 ** 0.210 -0.130 1 12 4.212 ** 0.141 0.145 2 3 4.296 ** 0.014 -0.004 2 4 4.751 ** 0.038 0.048 2 5 3.876 ** 0.042 0.053 2 6 4.345 ** 0.014 0.001 2 7 4.537 ** 0.045 -0.018 2 8 4.287 ** 0.124 0.129 2 9 7.221 ** 0.290 -0.142 2 10 6.988 ** 0.336 -0.139 2 11 6.954 ** 0.214 -0.183 2 12 4.233 ** 0.136 0.136 3 4 4.892 ** 0.034 0.034 3 5 3.908 ** 0.066 0.080 3 6 4.647 ** 0.103 0.117 3 7 4.407 ** 0.028 -0.040 3 8 4.396 ** 0.155 0.151 3 9 6.934 ** 0.283 -0.102 3 10 5.819 ** 0.203 -0.096 3 11 7.577 ** 0.259 -0.176 3 12 4.409 ** 0.155 0.149 |
Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- 4 5 3.996 ** 0.097 0.110 4 6 4.712 ** 0.027 -0.043 4 7 4.727 ** 0.017 -0.057 4 8 4.210 ** 0.215 0.186 ? 4 9 6.085 ** 0.180 -0.080 4 10 5.641 ** 0.113 -0.047 4 11 4.769 ** 0.054 -0.039 4 12 3.958 ** 0.144 0.139 5 6 5.022 ** 0.078 0.075 5 7 4.594 ** 0.040 0.029 5 8 4.418 ** 0.106 0.120 5 9 6.652 ** 0.187 -0.001 5 10 6.934 ** 0.228 -0.147 5 11 6.875 ** 0.217 -0.159 5 12 4.466 ** 0.116 0.128 6 7 4.704 ** 0.080 -0.033 6 8 4.512 ** 0.187 0.165 ? 6 9 7.364 ** 0.325 -0.166 6 10 5.637 ** 0.211 -0.056 6 11 7.132 ** 0.265 -0.206 6 12 4.309 ** 0.196 0.178 ? 7 8 4.305 ** 0.127 0.134 7 9 6.411 ** 0.208 -0.074 7 10 5.549 ** 0.205 -0.037 7 11 6.471 ** 0.190 -0.153 7 12 4.376 ** 0.140 0.142 8 9 6.815 ** 0.255 -0.136 8 10 5.566 ** 0.121 -0.079 8 11 5.225 ** 0.060 -0.083 8 12 4.266 ** 0.284 0.240 * 9 10 5.562 ** 0.340 0.219 * 9 11 5.280 ** 0.176 -0.012 9 12 4.805 ** 0.381 ? 0.345 ** 10 11 4.979 ** 0.116 0.058 10 12 4.612 ** 0.259 0.248 * 11 12 4.318 ** 0.269 0.229 * radius 4.735 ** 0.311 0.322 ** --------------------------------------------------------------- ?, *, ** indicate significance at 10%, 5% and 1% levels respectively |
A-2A-14
Übersicht A12: Test auf multivariate Ausreißer in Variablenset 2
Total number of units in data = 20 Number of units with complete data = 19 No outliers were detected Number of iterations used = 1 The threshold distance, D0, = 4.8783 Unit_No 1 2 3 4 5 6 7 8 9 10 Wts 1.0000 1.0000 1.0000 1.0000 * 1.0000 1.0000 1.0000 1.0000 1.0000 Mahaldst 3.370 3.194 4.018 3.404 * 3.563 3.369 3.278 3.435 2.811 Unit_No 11 12 13 14 15 16 17 18 19 20 Wts 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 Mahaldst 3.065 3.553 3.146 3.838 2.833 3.529 3.134 3.016 4.042 3.136 Distances printed as missing are for units with incomplete data Erklärung der Abkürzungen: Unit_No: Betriebsnummer Wts: Gewichtung nach CAMPBELL, 1980 Mahaldst: Mahalanobis-Distanz des Objekts zum Mittelwertsvektor (Zentroid) |
A-2A-15
Übersicht A13: Screeplot der Hauptkomponentenanalyse der Substratanalysewerte
No Root %% Cum % Scree Diagram (* represents 2%) 1 4.9943 416 416 42 ********************* 2 2.1916 183 599 18 ********* 3 1.6568 138 737 14 ******* 4 1.2188 102 838 10 ***** 5 0.7073 59 897 6 *** 6 0.5706 48 945 5 *** 7 0.2312 19 964 2 * 8 0.1888 16 980 2 * 9 0.0999 8 988 1 * 10 0.0755 6 995 1 * 11 0.0422 4 998 0 12 0.0230 2 1000 0 Scale: 1 asterisk represents 2 units. No Root per-1000 Cum %% Del1 Del2 Del3 1 4.9943 416 416 234 * * 2 2.1916 183 599 45 189 181 3 1.6568 138 737 36 8 14 4 1.2188 102 838 43 -6 -37 5 0.7073 59 897 11 31 48 6 0.5706 48 945 28 -17 -42 7 0.2312 19 964 4 25 29 8 0.1888 16 980 7 -4 -9 9 0.0999 8 988 2 5 6 10 0.0755 6 995 3 -1 -2 11 0.0422 4 998 2 1 * 12 0.0230 2 1000 * * * |
A-2A-16
Übersicht A14a und b: Bestimmung der Anzahl ‘wesentlicher Hauptkomponenten nach VELICER, 1976 (a)) und EASTMENT & KRZANOWSKI, 1982 (b)) nach Hauptkomponentenanalyse der Substratanalysewerte
a) Velicer |
b) Eastment & Krzanowski |
Principal Components removed fq-value 0 0.1736 1 0.1106 2 0.1322 3 0.1389 4 0.1770 5 0.1402 6 0.1665 7 0.1887 8 0.2541 9 0.3108 10 0.4730 11 1.0000 |
Principal Component W-value 1 1.6277 2 0.0553 3 0.2738 4 0.9665 5 0.2395 6 0.8002 7 0.2226 8 0.1696 9 0.0559 10 0.0449 11 0.0124 |
Übersicht A15a und b: Hauptkomponenten-Residuen nach Hauptkomponentenanalyse der Substratanalysewerte und Betrachtung von einer Dimension (a)) beziehungsweise von zwei Dimensionen (b))
a) Hauptkomponenten-Residuen bei einer Hauptkomponente |
b) Hauptkomponenten-Residuen bei zwei Hauptkomponenten |
Q-values (PCA residuals) unitname Q 1 3.436 2 3.225 3 15.874 4 7.388 6 6.308 7 4.689 8 3.367 9 12.258 10 5.568 11 4.727 12 11.167 13 8.813 14 7.666 15 2.539 16 2.251 17 4.426 18 5.376 19 11.418 20 5.606 Critical value at alpha 0.05000 for Q 15.88 |
Q-values (PCA residuals) unitname Q 1 3.350 2 1.266 3 10.570 4 7.054 6 5.469 7 2.995 8 2.188 9 2.921 10 5.460 11 3.647 12 11.108 13 2.709 14 7.438 15 1.756 16 1.829 17 4.354 18 2.943 19 5.084 20 4.514 Critical value at alpha 0.05000 for Q 11.25 |
A-2A-17
Übersicht A16: Approximation von Variablenwerten durch interaktives Vorgehen bei der Auswertung von Hauptkomponenten-Biplots mit Prediktionsmarkern
the predicted value for variable 4 and unit 9 is 1.012 unitname salz23 1 0.810 2 0.770 3 1.820 4 0.700 6 1.250 7 1.390 8 1.540 9 1.080 10 1.490 11 1.720 12 0.730 13 0.780 14 1.830 15 1.030 16 1.010 17 0.890 18 0.720 19 1.300 20 0.950 The first two principal components explain 59.88 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is N Woche 23 0.1455 K Woche 23 0.1566 pH Woche 23 0.0472 Salz Woche 23 0.1693 N Woche 29 0.2874 K Woche 29 0.1748 pH Woche 29 0.2488 Salz Woche 29 0.1372 N Woche 41 0.0933 K Woche 41 0.1067 pH Woche 41 0.1694 Salz Woche 41 0.2638 |
the predicted value for variable 2 and unit 14 is 366.2 unitname k29 1 140.0 2 174.0 3 469.0 4 122.0 6 106.0 7 238.0 8 197.0 9 160.0 10 197.0 11 224.0 12 168.0 13 102.0 14 377.0 15 105.0 16 203.0 17 130.0 18 97.0 19 123.0 20 216.0 The first two principal components explain 59.88 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is N Woche 23 0.1455 K Woche 23 0.1566 pH Woche 23 0.0472 Salz Woche 23 0.1693 N Woche 29 0.2874 K Woche 29 0.1748 pH Woche 29 0.2488 Salz Woche 29 0.1372 N Woche 41 0.0933 K Woche 41 0.1067 pH Woche 41 0.1694 Salz Woche 41 0.2638 |
the predicted value for variable 1 and unit 11 is 197.8 unitname n41 1 123.0 2 31.0 3 906.0 4 24.0 6 9.0 7 26.0 8 140.0 9 24.0 10 55.0 11 24.0 12 324.0 13 159.0 14 100.0 15 42.0 16 14.0 17 26.0 18 41.0 19 53.0 20 80.0 The first two principal components explain 59.88 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is N Woche 23 0.1455 K Woche 23 0.1566 pH Woche 23 0.0472 Salz Woche 23 0.1693 N Woche 29 0.2874 K Woche 29 0.1748 pH Woche 29 0.2488 Salz Woche 29 0.1372 N Woche 41 0.0933 K Woche 41 0.1067 pH Woche 41 0.1694 Salz Woche 41 0.2638 |
A-2A-18
Übersicht A17: Hauptkomponentenanalyse der Schattiersollwerte
***** Principal components analysis ***** *** Latent Roots *** 1 2 3 4 5 6 26171 2402 768 263 142 122 7 8 9 10 11 12 67 36 11 6 0 0 13 14 0 0 *** Percentage variation *** 1 2 3 4 5 6 87.27 8.01 2.56 0.88 0.47 0.41 7 8 9 10 11 12 0.22 0.12 0.04 0.02 0.00 0.00 13 14 0.00 0.00 *** Trace *** 29987 *** Latent Vectors (Loadings) *** 1 2 3 4 5 klx23 -0.26426 0.47357 0.33311 -0.39559 -0.34769 klx24 -0.26274 0.42957 0.14782 -0.15128 -0.07366 klx25 -0.26153 0.38748 -0.06949 0.13601 0.29530 klx26 -0.25441 0.33547 -0.15780 0.31623 0.48384 klx27 -0.24225 0.03370 -0.41399 0.28386 -0.32703 klx28 -0.24225 0.03370 -0.41399 0.28386 -0.32703 klx29 -0.23507 -0.14139 -0.26654 -0.26321 -0.11944 klx30 -0.23640 -0.13392 -0.26169 -0.34101 -0.06699 klx31 -0.23111 -0.19789 -0.13601 -0.30027 0.11422 klx32 -0.23111 -0.19789 -0.13601 -0.30027 0.11422 klx33 -0.27283 -0.19148 0.03169 -0.16470 0.52180 klx34 -0.32584 -0.18909 0.22279 0.21663 -0.06946 klx35 -0.32562 -0.26228 0.36573 0.22474 -0.09098 klx36_42 -0.32562 -0.26228 0.36573 0.22474 -0.09098 6 7 8 9 10 klx23 -0.18420 -0.11122 -0.10071 -0.09503 -0.03953 klx24 -0.01816 -0.00393 0.03586 0.00692 -0.12856 klx25 0.21668 0.13795 0.27258 0.31844 0.64202 klx26 0.23515 -0.02387 -0.17976 -0.27921 -0.51099 klx27 -0.22603 -0.16921 0.00114 0.03217 0.02260 klx28 -0.22603 -0.16921 0.00114 0.03217 0.02260 klx29 0.13774 0.45936 0.31175 -0.65478 0.11932 klx30 0.16418 0.34938 0.09575 0.61470 -0.43701 klx31 0.22613 -0.38897 -0.23782 -0.02931 0.15391 klx32 0.22613 -0.38897 -0.23782 -0.02931 0.15391 klx33 -0.75244 -0.00376 0.14898 0.00581 -0.00883 klx34 -0.06061 0.48940 -0.68758 0.03138 0.19321 klx35 0.14709 -0.13332 0.28941 0.00891 -0.09376 klx36_42 0.14709 -0.13332 0.28941 0.00891 -0.09376 11 12 13 14 klx23 -0.50052 0.00000 0.00000 0.00000 klx24 0.82345 0.00000 0.00000 0.00000 klx25 -0.13059 0.00000 0.00000 0.00000 klx26 -0.19101 0.00000 0.00000 0.00000 klx27 -0.00025 -0.08399 0.70210 0.00027 klx28 -0.00025 0.08399 -0.70210 -0.00027 klx29 0.00335 0.00000 0.00000 0.00000 klx30 -0.09950 0.00000 0.00000 0.00000 klx31 0.04673 -0.70209 -0.08399 -0.00296 klx32 0.04673 0.70209 0.08399 0.00296 klx33 -0.00096 0.00000 0.00000 0.00000 klx34 0.04911 0.00000 0.00000 0.00000 klx35 -0.02428 -0.00291 -0.00062 0.70710 klx36_42 -0.02428 0.00291 0.00062 -0.70710 |
A-2A-19
Übersicht A18: Variablen und verwendete Proximitätsmaße im Variablenset 3
Variable |
Proximitätsmaß |
Formel zur Berechnung der Ünähnlichkeit von zwei Objekten r und t |
erste Hauptkomponente der Schattiersollwerte |
euklidisch |
![]() |
zweite Hauptkomponente der Schattiersollwerte |
euklidisch |
![]() |
Schattierfabe (ja/nein) |
jaccard |
wenn
![]() |
|
|
|
Anzahl Rückvorgänge |
cityblock |
![]() |
aufgestellt mit ... Pflanzen |
cityblock |
![]() |
Endstand |
cityblock |
![]() |
Wochen auf Endstand |
cityblock |
![]() |
längste Phase mit einer Standweite |
cityblock |
![]() |
Verhältnis Aufstellen : Endstand |
euklidisch |
![]() |
Verhältnis Stand vor und nach längster Phase |
euklidisch |
![]() |
Nettowochenquadratmeter |
euklidisch |
![]() |
|
|
|
negative DIF Juni |
euklidisch |
![]() |
negative DIF Rest |
euklidisch |
![]() |
Tagesmitteltemperatur Juni |
euklidisch |
![]() |
Tagesmitteltemperatur Rest |
euklidisch |
![]() |
Lüftungstemperatur Juni |
euklidisch |
![]() |
Lüftungstemperatur Rest |
euklidisch |
![]() |
Lüftung über Heizung Juni |
cityblock |
![]() |
Lüftung über Heizung Rest |
cityblock |
![]() |
geschätzeter Energieverbrauch |
euklidisch |
![]() |
r und t bezeichnen zwei Objekte,
A-2A-20
Übersicht A19: Hauptkoordinatenanalyse und ordinale mehrdimensionale Skalierung von Variablenset 3
***** Principal coordinates analysis ***** *** Latent Roots *** pco3['Roots'] 1 2 3 4 5 6 0.9128 0.6405 0.4746 0.4438 0.3993 0.3067 7 8 9 10 11 12 0.2403 0.1960 0.1746 0.1403 0.0999 0.0706 13 14 15 16 17 18 0.0561 0.0513 0.0292 0.0243 0.0133 0.0118 19 20 0.0000 -0.0016 *** Percentage variation *** pco3['Roots'] 1 2 3 4 5 6 21.31 14.95 11.08 10.36 9.32 7.16 7 8 9 10 11 12 5.61 4.58 4.08 3.27 2.33 1.65 13 14 15 16 17 18 1.31 1.20 0.68 0.57 0.31 0.27 19 20 0.00 -0.04 *** Trace *** pco3['Trace'] 4.284 * Some roots are negative - non-Euclidean distance matrix * --------------------------------------------------------------------------------------------------- ***** Multidimensional scaling ***** *** Least-squares scaling criterion *** * Distances fitted using monotonic regression (non-metric MDS) * * Primary treatment of ties * *** Stress 0.2021 (two dimensions fitted) *** Stress 0.1260 (three dimensions fitted) *** Stress 0.0851 (four dimensions fitted) *** Coordinates *** mds3_4 1 2 3 4 1 0.5659 0.6257 0.2294 -0.3262 2 0.9403 0.0201 -0.3504 -0.0147 3 -0.0100 -0.4604 -0.0666 0.8758 4 0.8986 0.1208 0.2140 -0.1418 5 0.0380 -0.4508 -0.2937 0.0391 6 -0.0084 -0.2376 0.1034 -0.0272 7 1.2147 -0.3552 0.4728 0.2115 8 -0.2717 1.2454 0.5188 0.0254 9 -0.3283 0.1616 -0.1366 0.2875 10 -0.5788 -0.7478 0.6278 0.5046 11 -0.6459 0.1144 -0.1809 -0.5027 12 -0.3325 -0.0886 -1.1563 -0.1067 13 -0.1188 -0.0687 0.1565 -0.3042 14 -1.2610 0.7064 -0.3287 0.1097 15 -0.7132 0.1074 0.7053 0.2898 16 -0.2396 -0.0181 0.5698 -0.5013 17 0.1706 -0.4671 0.0480 -0.3611 18 -0.5113 -1.0390 -0.2358 -0.4657 19 0.4623 0.5225 -0.6423 0.6604 20 0.7291 0.3089 -0.2545 -0.2521 |
A-2A-21
Übersicht A20: Nächste Nachbarn, typische Objekte und Ähnlichkeit zwischen Gruppierungen im Variablenset 3
**** Neighbours table derived from sim3 **** 1 4 90.5 20 88.9 19 87.6 2 85.7 13 82.6 2 20 94.5 4 91.2 1 85.7 6 85.0 7 84.3 3 6 82.3 5 81.4 10 80.3 13 80.2 19 80.1 4 2 91.2 20 91.2 1 90.5 7 88.7 6 85.1 5 6 92.2 13 91.3 9 90.6 17 90.1 20 84.5 6 17 95.4 13 93.4 5 92.2 9 91.2 16 88.2 7 4 88.7 20 87.5 2 84.3 17 79.3 3 78.6 8 14 80.0 6 76.6 9 76.2 20 75.9 11 75.3 9 6 91.2 5 90.6 13 89.8 17 85.4 16 82.9 10 6 84.0 15 81.6 3 80.3 17 78.2 18 77.6 11 16 86.4 18 85.1 13 83.5 12 83.4 17 82.5 12 11 83.4 6 80.9 5 79.8 20 78.5 2 77.9 13 6 93.4 16 93.3 5 91.3 9 89.8 17 89.6 14 11 81.6 8 80.0 12 77.0 9 76.6 15 75.6 15 13 83.3 6 82.8 16 82.6 9 82.6 11 82.4 16 13 93.3 6 88.2 11 86.4 17 84.6 9 82.9 17 6 95.4 5 90.1 13 89.6 20 87.0 9 85.4 18 6 86.1 13 85.5 11 85.1 5 83.6 17 83.5 19 1 87.6 20 82.2 3 80.1 5 80.0 2 79.3 20 2 94.5 4 91.2 1 88.9 7 87.5 17 87.0 **** Mean similarities between and within groups **** **** Similarity matrix: sim3 **** ** Between and within groups similarity matrix ** 1 71.4 2 72.6 81.4 3 73.3 82.5 86.4 4 66.8 77.4 80.9 77.6 5 73.3 76.3 80.1 67.9 87.0 1 2 3 4 5 **** Most typical members **** **** Similarity matrix: sim3 **** |
||||
group 1 8 76.2 14 70.9 7 67.1 |
group 2 13 85.2 16 83.6 11 82.9 9 82.1 15 79.6 12 75.2 |
group 3 6 89.9 5 87.9 17 87.6 3 80.3 |
group 4 18 77.6 10 77.6 |
group 5 20 89.2 1 88.2 4 87.9 2 87.7 19 82.0 |
A-2A-22
Übersicht A21: Multiple Korrespondenzanalyse der betrieblichen Strukturdaten in Variablenset 4
Squared singular values eigenv %Roots Cum%Root 1 0.25528 25.53 25.53 2 0.22899 22.90 48.43 3 0.18842 18.84 67.27 4 0.11500 11.50 78.77 5 0.08902 8.90 87.67 6 0.04986 4.99 92.66 7 0.03574 3.57 96.23 8 0.02574 2.57 98.80 9 0.01196 1.20 100.00 10 0.00000 0.00 100.00 11 0.00000 0.00 100.00 12 0.00000 0.00 100.00 13 0.00000 0.00 100.00 14 0.00000 0.00 100.00 15 0.00000 0.00 100.00 16 0.00000 0.00 100.00 17 0.00000 0.00 100.00 |
Normalkoordinaten Betriebe betrieb rowvar[1] rowvar[2] 1.00 -0.5790 -0.2266 2.00 -0.7717 0.0992 3.00 1.0115 -0.8311 4.00 -0.4538 0.1301 5.00 -0.6980 -0.1119 6.00 0.0252 -0.1852 7.00 0.1588 0.4969 8.00 0.5614 -0.2028 9.00 -0.1724 0.2621 10.00 0.1949 -0.7023 11.00 0.1249 0.6840 12.00 -0.6249 -0.0998 13.00 0.0256 0.6178 14.00 0.3434 0.6488 15.00 -0.2223 -0.7994 16.00 0.5362 0.3229 17.00 -0.2223 -0.7994 18.00 0.8454 0.0153 19.00 0.4172 0.4376 20.00 -0.5000 0.2438 |
Überprüfung der Interpolation xline yline -0.402 -0.268 1.381 0.900 1.534 1.178 1.573 0.153 3.962 -3.630 1.228 -2.187 1.041 -1.760 -0.127 -1.373 -1.086 -0.494 mean of xline and yline mxline myline 1.012 -0.8312 |
Benennungen (Betrieb 3 fett) Nummer Abkürzung Beschreibung 1 ee einheitserden 2 vm1 ein vermarktungsweg 3 fg10 ueber 10000 qm 4 mg50 ueber 50000 stck 5 sf1_m stellflaeche 1 modern 6 sf2_m stellflaeche 2 modern 7 bw1_k bewaesserung 1 ueber kopf 8 bw2_k bewaesserung 2 ueber kopf 9 wes westliches muensterland 10 subs andere substrate 11 vmg1 mehrere vermarktungswege 12 fw10 unter 10000 qm 13 mw50 unter 50000 stck 14 sf1_a stellflaeche 1 traditionell 15 sf2_a stellflaeche 2 traditionell 16 bw1_f bewaesserung 1 von unten 17 bw2_f bewaesserung 2 von unten 18 ost oestliches muensterland |
Normalkoordinaten Merkmale Standardkoordinaten Merkmale colvar[1] colvar[2] scolvar[1] scolvar[2] 1 -0.2033 -0.1283 -0.402 -0.268 2 0.0524 0.5375 0.104 1.123 3 0.5259 -0.8420 1.041 -1.760 4 -0.3340 0.5634 -0.661 1.177 5 -0.8526 -0.5262 -1.688 -1.100 6 -0.6504 -0.0599 -1.287 -0.125 7 0.7748 0.5636 1.534 1.178 8 2.0019 -1.7368 3.962 -3.630 9 -0.5487 -0.2362 -1.086 -0.494 10 0.2485 0.1568 0.492 0.328 11 -0.0641 -0.6570 -0.127 -1.373 12 -0.3506 0.5614 -0.694 1.173 13 0.6203 -1.0464 1.228 -2.187 14 0.6976 0.4306 1.381 0.900 15 0.7950 0.0732 1.573 0.153 16 -0.5165 -0.3757 -1.022 -0.785 17 -0.1054 0.0914 -0.209 0.191 18 0.2352 0.1012 0.465 0.212 |
A-2A-23
Übersicht A22: Vorhersage (Prediktion ) der Klassenzugehörigkeit durch die Prediktionsregionen im multiplen Korrespondenzanalyse-Biplot bei Verwendung der Chi-Quadrat-Distanz (mca) und des extended matching-Koeffizienten (emc), sowie Beschreibung der Klassen und wahre Klassenhäufigkeiten
Wahre Merkmalsklasse je Variable und Merkmalsklasse nach Prediktion durch verwendetes Distanzmaß und Distanzmaß |
|||||||||||||||||||||
Betrieb |
menge |
mca |
emc |
groesse |
mca |
emc |
absatz |
mca |
emc |
region |
mca |
emc |
stellf |
mca |
emc |
bewäs |
mca |
emc |
subst |
mca |
emc |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
2 |
2 |
2 |
2 |
1 |
1 |
2 |
1 |
1 |
2 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
2 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
3 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
4 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
5 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
1 |
2 |
2 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
2 |
6 |
1 |
2 |
1 |
1 |
1 |
2 |
1 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
1 |
1 |
1 |
1 |
2 |
1 |
7 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
1 |
1 |
1 |
8 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
1 |
1 |
1 |
9 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
2 |
2 |
10 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
1 |
11 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
2 |
12 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
13 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
2 |
14 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
15 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
16 |
2 |
2 |
2 |
2 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
17 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
18 |
1 |
1 |
1 |
2 |
2 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
19 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
2 |
1 |
1 |
1 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
1 |
20 |
2 |
2 |
2 |
1 |
1 |
1 |
2 |
2 |
2 |
1 |
1 |
2 |
2 |
2 |
2 |
1 |
1 |
1 |
1 |
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Fehler |
- |
1 |
0 |
- |
2 |
3 |
- |
6 |
4 |
- |
3 |
3 |
- |
0 |
1 |
- |
2 |
2 |
- |
8 |
6 |
Count menge 1.00 (mw50) 7 2.00 (mg50 13 Count groesse 1.00 (fw10) 12 2.00 (fg10) 8 |
Count absatzwege 1.00 (vmg1) 9 2.00 (vm1) 11 Count region 1.00 (ost) 14 2.00 (west) 6 |
Count stellflaeche 1.00 (sf1_a) 11 2.00 (sf1_m) 9 Count bewässerung 1.00 (bw1_f) 12 2.00 (bw1_k) 8 Count substrate 1.00 (subs) 9 2.00 (ee) 11 |
A-2A-24
Übersicht A23: Hauptkoordinatenanalyse, ordinale, mehrdimensionale Skalierung, nächste Nachbarn und Zentroid Distanzen; Grundlagen für die Abbildungen A59, A60 und A61
***** Principal coordinates analysis ***** *** Latent Roots *** 1 2 3 4 5 6 0.4990 0.4743 0.4086 0.4060 0.3840 0.3162 7 8 9 0.2986 0.2650 0.0000 *** Percentage variation *** 1 2 3 4 5 6 16.35 15.54 13.39 13.30 12.58 10.36 7 8 9 9.78 8.69 0.00 *** Centroid distances *** 1 2 3 4 5 0.5433 0.5671 0.5774 0.6408 0.5512 6 7 8 9 0.5880 0.6128 0.5910 0.5623 ***** Multidimensional scaling ***** *** Least-squares scaling criterion *** * Distances fitted using monotonic regression (non-metric MDS) * * Primary treatment of ties * *** Stress 0.1220 |
Koordinaten der ersten und zweiten Dimension der Hauptkoordinatenanalyse 1 2 1 -0.1391 -0.0677 2 -0.0035 -0.0998 3 -0.1891 -0.2743 4 -0.1491 0.5746 5 -0.2337 -0.1876 6 0.3865 0.0583 7 0.4523 -0.0912 8 -0.1139 0.0017 9 -0.0105 0.0860 |
Koordinaten der ersten und zweiten Dimension der ordinalen mehrdimensionalen Slkalierung 1 1 1 0.0583 -0.0277 2 -0.6503 -0.2442 3 -0.3891 -0.9689 4 1.6076 0.4992 5 0.1200 -0.5295 6 -0.3239 1.0031 7 -1.3279 0.3540 8 0.9030 -0.5307 9 0.0023 0.4448 |
Proximitätsmatrix der Residuen (padist) 1 0.0000 2 0.6340 0.0000 3 0.7037 0.7512 0.0000 4 0.7997 0.8427 0.8775 0.0000 5 0.6384 0.7086 0.6001 0.8232 0.0000 6 0.7491 0.7852 0.8459 0.8773 0.7736 0.0000 7 0.8029 0.7465 0.7809 0.9042 0.8235 0.6880 8 0.7036 0.7517 0.7857 0.8395 0.7051 0.7779 9 0.6773 0.7265 0.7072 0.7832 0.7139 0.6669 1 2 3 4 5 6 |
0.0000 0.8471 0.0000 0.8380 0.7846 0.0000 7 8 9 |
**** Neighbours table derived from simdis (simdis=1-padist/max(padist) ****
1 2 29.9 5 29.4 9 25.1 8 22.2 3 22.2 1 - struktur
2 1 29.9 5 21.6 9 19.6 7 17.4 3 16.9 2 - platzbedarf
3 5 33.6 1 22.2 9 21.8 2 16.9 7 13.6 3 - temperatur
4 9 13.4 1 11.6 5 8.9 8 7.2 2 6.8 4 - schattierung
5 3 33.6 1 29.4 8 22.0 2 21.6 9 21.0 5 - substrate
6 9 26.2 7 23.9 1 17.2 5 14.4 8 14.0 6 - Concerto 44
7 6 23.9 2 17.4 3 13.6 1 11.2 5 8.9 7 - Concerto 48
8 1 22.2 5 22.0 2 16.9 6 14.0 9 13.2 8 - Sierra 44
9 6 26.2 1 25.1 3 21.8 5 21.0 2 19.6 9 - Sierra 48
A-2A-25
Übersicht A24: Variablensets für die generalisierte kanonische Analyse
Benennung in Übersichten |
Benennung in Abbil-dungen |
Beschreibung |
Rangtrans-formation |
Meßniveau |
BIN_ABS |
absw |
Absatzwege |
nein |
single nominal |
BIN_BEW1 |
bew1 |
Bewässerung 1 |
nein |
single nominal |
BIN_BEW2 |
bew2 |
Bewässerung 2 |
nein |
single nominal |
BIN_GROE |
groe |
Betriebsgröße |
nein |
single nominal |
BIN_KREI |
krei |
Region |
nein |
single nominal |
BIN_MEN |
men |
Produktionsumfang |
nein |
single nominal |
BIN_SF1 |
sf1 |
Stellfläche 1 |
nein |
single nominal |
BIN_SF2 |
sf2 |
Stellfläche 2 |
nein |
single nominal |
BIN_SUBS |
subs |
Substrate |
nein |
single nominal |
ANZ_RUE |
rück |
Anzahl Rückvorgänge |
nein |
single nominal |
AUFS_END |
a:e |
Aufstellen : Rücken |
nein |
ordinal |
AUFSTELL |
auf |
Aufstellen mit ... |
nein |
ordinal |
ENDSTAND |
end |
Endstand mit ... |
nein |
ordinal |
MAX_PER |
maxper |
längste Periode |
nein |
ordinal |
MAX_RED |
maxred |
größte Reduktion |
nein |
ordinal |
NET_JAQM |
flae |
Nettojahres-qm |
nein |
numerical |
WOAUFEND |
woend |
Wochen im Endstand |
nein |
ordinal |
DIF_JUN |
dif1 |
Dif im Juni |
nein |
single nominal |
DIF_RES |
dif2 |
Dif Restzeit |
nein |
single nominal |
LUFT_JUN |
luft1 |
Lüftung im Juni |
nein |
ordinal |
LUFT_RES |
luft2 |
Lüftung Restzeit |
nein |
ordinal |
TMT_JUN |
tmt1 |
Tagesmitteltemp. Juni |
nein |
numerical |
TMT_REST |
tmt2 |
Tagesmitteltemp. Rest |
nein |
numerical |
RENERGIE |
ener |
Energieverbrauch |
ja |
numerical |
RLUGTEJ |
lugte1 |
Lüftung>Heizung Juni |
ja |
ordinal |
RLUGTER |
lugte2 |
Lüftung>Heizung Rest |
ja |
ordinal |
RVKLX1 |
licht1 |
1. Hk-Werte Schatten |
ja |
ordinal |
RVKLX2 |
licht2 |
2. Hk-Werte Schatten |
ja |
ordinal |
RFARBE |
farbe |
Schattierfarbe |
nein |
single nominal |
RK23 |
k23 |
Kalium Woche 23 |
ja |
ordinal |
RK29 |
k29 |
Kalium Woche 29 |
ja |
ordinal |
RK41 |
k41 |
Kalium Woche 41 |
ja |
ordinal |
RN23 |
n23 |
Stickstoff Woche 23 |
ja |
ordinal |
RN29 |
n29 |
Stickstoff Woche 29 |
ja |
ordinal |
RN41 |
n41 |
Stickstoff Woche 41 |
ja |
ordinal |
RPH23 |
ph23 |
pH-Wert Woche 23 |
ja |
ordinal |
RPH29 |
ph29 |
pH-Wert Woche 29 |
ja |
ordinal |
RPH41 |
ph41 |
pH-Wert Woche 41 |
ja |
ordinal |
RSALZ23 |
sal23 |
Salzgehalt Woche 23 |
ja |
ordinal |
RSALZ29 |
sal29 |
Salzgehalt Woche 23 |
ja |
ordinal |
RSALZ41 |
sal41 |
Salzgehalt Woche 23 |
ja |
ordinal |
S_GES_44 S_GES_48 C_GES_44 C_GES_48 |
S44ges S48ges C44ges C48ges |
Gesamtbeurteilung ‘Sierra (S) ‘Concerto (C) Woche 44 ode r 48 |
nein |
ordinal |
S_GIL_44 S_GIL_48 C_GIL_44 C_GIL_48 |
S44gil S48gil C44gil C48gil |
Vergilbung ‘Sierra (S) ‘Concerto (C) Woche 44 oder 48 |
nein |
ordinal |
S_KNO_44 S_KNO_48 C_KNO_44 C_KNO_48 |
S44kno S48kno C44kno C48kno |
Knospenbesatz ‘Sierra (S) ‘Concerto (C) Woche 44 oder 48 |
nein |
ordinal |
S_KRA_44 S_KRA_48 C_KRA_44 C_KRA_48 |
S44kra S48kra C44kra C48kra |
Krankheitsbefall ‘Sierra (S) ‘Concerto (C) Woche 44 oder 48 |
nein |
ordinal |
S_WEL_44 S_WEL_48 C_WEL_44 C_WEL_48 |
S44wel S48wel C44wel C48wel |
Welke ‘Sierra (S) ‘Concerto (C) Woche 44 oder 48 |
nein |
ordinal |
S_WUR_44 S_WUR_48 C_WUR_44 C_WUR_48 |
S44wur S48wur C44wur C48wur |
Wurzelqualität ‘Sierra (S) ‘Concerto (C) Woche 44 oder 48 |
nein |
ordinal |
A-2A-26
Übersicht A25: Loss-Werte der vier generalisierten kanonischen Analysen in den ersten beiden Dimensionen
‘Sierra Woche 44 als Set 6 ------------------- Summary of Analysis ------------------- Loss per Set ------------ Dimension Sum 1 2 Set 1 (struktur) ,347 ,051 ,296 Set 2 (platzbedarf) ,012 ,001 ,011 Set 3 (temperatur) ,024 ,001 ,022 Set 4 (schattierung) ,148 ,051 ,097 Set 5 (substrate) ,000 ,000 ,000 Set 6 (‘Sierra 44) ,096 ,039 ,057 ------- ------- ------- Mean ,105 ,024 ,081 Fit 1,895 Eigenvalue ,976 ,919 |
‘Sierra Woche 48 als Set 6 ------------------- Summary of Analysis ------------------- Loss per Set ------------ Dimension Sum 1 2 Set 1 (struktur) ,125 ,026 ,099 Set 2 (platzbedarf) ,001 ,001 ,000 Set 3 (temperatur) ,012 ,003 ,009 Set 4 (schattierung) ,093 ,019 ,074 Set 5 (substrate) ,000 ,000 ,000 Set 6 (‘Sierra 48) ,031 ,005 ,026 ------- ------- ------- Mean ,044 ,009 ,035 Fit 1,956 Eigenvalue ,991 ,965 |
‘Concerto Woche 44 als Set 6 ------------------- Summary of Analysis ------------------- Loss per Set ------------ Dimension Sum 1 2 Set 1 (struktur) ,287 ,047 ,240 Set 2 (platzbedarf) ,000 ,000 ,000 Set 3 (temperatur) ,024 ,020 ,004 Set 4 (schattierung) ,093 ,035 ,059 Set 5 (substrate) ,000 ,000 ,000 Set 6 (‘Concerto 44) ,096 ,026 ,069 ------- ------- ------- Mean ,083 ,021 ,062 Fit 1,917 Eigenvalue ,979 ,938 |
‘Concerto Woche 48 als Set 6 ------------------- Summary of Analysis ------------------- Loss per Set ------------ Dimension Sum 1 2 Set 1 (struktur) ,272 ,034 ,238 Set 2 (platzbedarf) ,001 ,001 ,000 Set 3 (temperatur) ,027 ,012 ,015 Set 4 (schattierung) ,191 ,061 ,130 Set 5 (substrate) ,000 ,000 ,000 Set 6 (‘Concerto 48) ,205 ,071 ,134 ------- ------- ------- Mean ,116 ,030 ,086 Fit 1,884 Eigenvalue ,970 ,914 |
A-2A-27
Übersicht A26: Multiple Anpassungswerte der Variablensets nach generalisierter kanonischer Analyse, ‘Sierra
a) ‘Sierra Woche 44 in Variablenset 6 |
b) ‘Sierra Woche 48 in Variablenset 6 |
Multiple Fit ------------ Dimension Sum 1 2 BIN_ABS ,104 ,084 ,019 BIN_BEW1 1,584 ,222 1,363 BIN_BEW2 ,433 ,432 ,001 BIN_GROE ,011 ,010 ,001 BIN_KREI ,102 ,056 ,046 BIN_MEN ,081 ,061 ,020 BIN_SF1 ,979 ,003 ,977 BIN_SF2 ,069 ,023 ,046 BIN_SUBS ,257 ,161 ,095 ------------------------------ ---------------- ANZ_RUE ,281 ,166 ,114 AUFS_END ,414 ,288 ,126 AUFSTELL ,410 ,298 ,111 ENDSTAND 3,162 3,099 ,063 MAX_PER ,106 ,084 ,022 MAX_RED ,416 ,047 ,369 NET_JAQM 1,533 1,388 ,145 WOAUFEND ,460 ,336 ,123 ------------------------------ ---------------- DIF_JUN ,055 ,021 ,033 DIF_REST ,172 ,052 ,120 LUFT_JUN 1,091 ,366 ,724 LUFT_RES 4,284 4,043 ,241 TMT_JUN ,727 ,359 ,368 TMT_REST 1,271 ,923 ,349 RENERGIE ,350 ,153 ,197 RLUGTEJ ,606 ,591 ,015 RLUGTER ,723 ,718 ,005 ------------------------------ ---------------- RVKLX1 1,437 1,259 ,178 RVKLX2 ,960 ,136 ,825 RFARBE ,239 ,211 ,027 ------------------------------ ---------------- RK23 ,698 ,528 ,170 RK29 ,226 ,016 ,210 RK41 ,747 ,101 ,646 RN23 ,433 ,275 ,157 RN29 ,168 ,100 ,068 RN41 ,059 ,017 ,042 RPH23 ,228 ,179 ,049 RPH29 ,368 ,163 ,206 RPH41 ,545 ,355 ,190 RSALZ23 ,390 ,044 ,346 RSALZ29 ,074 ,008 ,066 RSALZ41 ,215 ,213 ,002 ------------------------------ ---------------- S_GES_44 ,731 ,709 ,022 S_GIL_44 ,215 ,006 ,209 S_KNO_44 ,432 ,170 ,262 S_KRA_44 ,620 ,380 ,239 S_WEL_44 1,601 ,001 1,600 S_WUR_44 2,135 2,121 ,014 |
Multiple Fit ------------ Dimension Sum 1 2 BIN_ABS ,130 ,115 ,015 BIN_BEW1 ,089 ,051 ,038 BIN_BEW2 ,497 ,453 ,043 BIN_GROE ,097 ,003 ,094 BIN_KREI ,501 ,338 ,163 BIN_MEN 1,010 ,977 ,032 BIN_SF1 ,386 ,180 ,206 BIN_SF2 ,184 ,139 ,045 BIN_SUBS ,563 ,106 ,457 ------------------------------ ---------------- ANZ_RUE ,878 ,574 ,304 AUFS_END ,809 ,032 ,777 AUFSTELL ,172 ,084 ,087 ENDSTAND 1,783 1,758 ,025 MAX_PER ,363 ,045 ,318 MAX_RED ,232 ,081 ,150 NET_JAQM 2,952 2,939 ,014 WOAUFEND 1,635 ,256 1,379 ------------------------------ ---------------- DIF_JUN ,484 ,404 ,080 DIF_REST ,744 ,001 ,743 LUFT_JUN ,261 ,172 ,090 LUFT_RES ,332 ,006 ,327 TMT_JUN ,014 ,003 ,011 TMT_REST ,774 ,037 ,738 RENERGIE ,233 ,157 ,077 RLUGTEJ 1,534 ,980 ,554 RLUGTER ,706 ,689 ,017 ------------------------------ ---------------- RVKLX1 1,986 1,223 ,763 RVKLX2 ,835 ,662 ,173 RFARBE 1,057 ,017 1,040 ------------------------------ ---------------- RK23 1,007 1,004 ,003 RK29 ,849 ,262 ,587 RK41 ,479 ,068 ,411 RN23 ,603 ,294 ,308 RN29 ,277 ,250 ,028 RN41 ,182 ,163 ,018 RPH23 ,245 ,240 ,005 RPH29 ,508 ,001 ,506 RPH41 ,190 ,075 ,115 RSALZ23 ,618 ,027 ,591 RSALZ29 ,045 ,001 ,044 RSALZ41 ,817 ,703 ,113 ------------------------------ ---------------- S_GES_48 1,574 ,949 ,626 S_GIL_48 ,583 ,000 ,583 S_KNO_48 ,877 ,417 ,460 S_KRA_48 1,928 1,916 ,012 S_WEL_48 ,060 ,041 ,019 S_WUR_48 ,377 ,024 ,353 |
A-2A-28
Übersicht A27: Multiple Anpassungswerte der Variablensets nach generalisierter kanonischer Analyse, ‘Concerto
a) ‘Concerto Woche 44 in Variablenset 6 |
b) ‘Concerto Woche 48 in Variablenset 6 |
Multiple Fit ------------ Dimension Sum 1 2 BIN_ABS ,263 ,150 ,113 BIN_BEW1 ,936 ,285 ,651 BIN_BEW2 ,708 ,702 ,006 BIN_GROE ,093 ,002 ,092 BIN_KREI ,049 ,018 ,031 BIN_MEN ,924 ,856 ,069 BIN_SF1 1,088 ,319 ,769 BIN_SF2 ,153 ,152 ,001 BIN_SUBS ,063 ,048 ,014 ------------------------------ ---------------- ANZ_RUE ,327 ,015 ,312 AUFS_END ,392 ,025 ,367 AUFSTELL ,588 ,266 ,322 ENDSTAND 1,682 ,490 1,192 MAX_PER ,219 ,179 ,040 MAX_RED ,373 ,004 ,369 NET_JAQM ,629 ,620 ,009 WOAUFEND ,691 ,579 ,111 ------------------------------ ---------------- DIF_JUN ,699 ,189 ,510 DIF_REST ,997 ,102 ,895 LUFT_JUN 1,319 ,478 ,840 LUFT_RES 1,178 ,444 ,734 TMT_JUN ,009 ,007 ,002 TMT_REST ,279 ,020 ,259 RENERGIE ,459 ,282 ,177 RLUGTEJ ,835 ,384 ,451 RLUGTER ,359 ,222 ,137 ------------------------------ ---------------- RVKLX1 1,674 1,593 ,080 RVKLX2 1,121 ,286 ,835 RFARBE ,453 ,355 ,098 ------------------------------ ---------------- RK23 ,647 ,434 ,212 RK29 ,067 ,003 ,064 RK41 ,985 ,454 ,531 RN23 ,470 ,062 ,407 RN29 ,456 ,127 ,328 RN41 ,333 ,067 ,266 RPH23 ,172 ,171 ,001 RPH29 ,454 ,093 ,362 RPH41 ,142 ,084 ,058 RSALZ23 ,498 ,134 ,364 RSALZ29 ,124 ,001 ,123 RSALZ41 ,241 ,239 ,002 ------------------------------ ---------------- C_GES_44 2,495 2,271 ,224 C_GIL_44 ,229 ,214 ,015 C_KNO_44 1,683 ,382 1,302 C_KRA_44 ,433 ,101 ,332 C_WEL_44 ,096 ,084 ,013 C_WUR_44 ,330 ,309 ,021 |
Multiple Fit ------------ Dimension Sum 1 2 BIN_ABS ,706 ,207 ,499 BIN_BEW1 1,080 ,152 ,928 BIN_BEW2 ,258 ,213 ,045 BIN_GROE ,012 ,011 ,001 BIN_KREI ,504 ,452 ,052 BIN_MEN ,292 ,267 ,025 BIN_SF1 1,595 1,367 ,228 BIN_SF2 ,520 ,039 ,481 BIN_SUBS ,639 ,069 ,570 ------------------------------ ---------------- ANZ_RUE 1,269 ,004 1,265 AUFS_END ,129 ,101 ,027 AUFSTELL ,174 ,019 ,155 ENDSTAND 1,415 ,128 1,288 MAX_PER ,154 ,145 ,009 MAX_RED ,429 ,384 ,045 NET_JAQM ,696 ,366 ,329 WOAUFEND ,488 ,334 ,153 ------------------------------ ---------------- DIF_JUN ,428 ,023 ,405 DIF_REST ,386 ,001 ,385 LUFT_JUN ,882 ,019 ,863 LUFT_RES 2,051 1,981 ,069 TMT_JUN 2,751 1,897 ,855 TMT_REST 2,153 1,727 ,427 RENERGIE ,924 ,292 ,633 RLUGTEJ ,674 ,538 ,136 RLUGTER ,064 ,051 ,013 ------------------------------ ---------------- RVKLX1 1,584 1,458 ,126 RVKLX2 ,385 ,081 ,304 RFARBE ,726 ,724 ,001 ------------------------------ ---------------- RK23 ,830 ,628 ,202 RK29 ,773 ,747 ,026 RK41 1,306 ,103 1,203 RN23 ,628 ,420 ,208 RN29 ,126 ,027 ,099 RN41 ,336 ,336 ,000 RPH23 ,073 ,008 ,065 RPH29 ,645 ,269 ,376 RPH41 ,344 ,334 ,010 RSALZ23 ,841 ,341 ,500 RSALZ29 ,166 ,010 ,157 RSALZ41 ,271 ,033 ,238 ------------------------------ ---------------- C_GES_48 ,259 ,254 ,005 C_GIL_48 ,219 ,172 ,046 C_KNO_48 ,343 ,048 ,295 C_KRA_48 ,646 ,572 ,074 C_WEL_48 ,284 ,221 ,063 C_WUR_48 1,132 ,038 1,093 |
© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.
DiML DTD Version 2.0 |
Zertifizierter Dokumentenserver der Humboldt-Universität zu Berlin |
HTML - Version erstellt am: Wed May 24 16:40:53 2000 |