Krusche, Stefan: Visualisierung und Analyse multivariater Daten in der gartenbaulichen Beratung - Methodik, Einsatz und Vergleich datenanalytischer Verfahren |
Abbildungen zur Auswertung der betriebsbegleitenden Untersuchung bei Cyclamen, Kapitel 3.1
Abbildung |
Benennung |
Seite |
Abbildung A1: |
Starplots der Boniturwerte aller Qualitätsmerkmale aller Betriebe für ‘Sierra und ‘Concerto |
1 |
Abbildung A2: |
Dotplot der Mediane aller Qualitätsmerkmale (über alle Betriebe) für ‘Sierra und ‘Concerto |
3 |
Abbildung A3: |
Trellis Display mit xy Plot, alle Merkmale, konditioniert nach Betrieb, Woche 44 und Woche 48 |
4 |
Abbildung A4: |
Trellis Display mit Dotplot, Beurteilung Gesamteindruck je Betrieb, konditioniert nach Woche und Sorte |
5 |
Abbildung A5: |
Trellis Display mit Dotplot, Beurteilung Knospenbesatz je Betrieb, konditioniert nach Woche und Sorte |
6 |
Abbildung A6 a,b,c,d: |
Kumulierte absolute Beiträge der Variablen; a) bei ‘Sierra in Woche 44, b) bei ‘Sierra in Woche 48, c) bei ‘Concerto in Woche 44, d) bei ‘Concerto in Woche 48 |
7 |
Abbildung A7: |
Korrespondenzanalyse bipolarer Daten, ‘Sierra Woche 44; Anteil der durch die erste Dimension erklärten Varianz 37,5%, Anteil der durch die zweite Dimension erklärten Varianz 30,6% |
8 |
Abbildung A8: |
Korrespondenzanalyse bipolarer Daten, ‘Sierra Woche 48; Anteil der durch die erste Dimension erklärten Varianz 51,0%, Anteil der durch die zweite Dimension erklärten Varianz 17,3% |
9 |
Abbildung A9: |
Korrespondenzanalyse bipolarer Daten, ‘Concerto Woche 44; Anteil der durch die erste Dimension erklärten Varianz 56,5%, Anteil der durch die zweite Dimension erklärten Varianz 17,1% |
10 |
Abbildung A10: |
Korrespondenzanalyse bipolarer Daten, ‘Concerto Woche 48; Anteil der durch die erste Dimension erklärten Varianz 38,8%, Anteil der durch die zweite Dimension erklärten Varianz 24,5% |
11 |
Abbildung A11 a,b,c,d: |
Hauptkoordinatenanalyse; Konfiguration in den ersten beiden Dimensionen, mit und ohne überlagerten Multiple Spanning Tree; a) und b) bei ‘Sierra in Woche 44, c) und d) bei ‘Sierra in Woche 48 |
12 |
Abbildung A11 e,f,g,h: |
Hauptkoordinatenanalyse; Konfiguration in den ersten beiden Dimensionen, mit und ohne überlagerten Multiple Spanning Tree; a) und b) bei ‘Concerto in Woche 44, c) und d) bei ‘Concerto in Woche 48 |
13 |
Abbildung A12: |
Nichtlineare Biplots, ‘Sierra Woche 44; Anteil der durch die erste Dimension erklärten Varianz 24,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,5% |
14 |
Abbildung A13: |
Nichtlineare Biplots, ‘Sierra Woche 48; Anteil der durch die erste Dimension erklärten Varianz 25,5%, Anteil der durch die zweite Dimension erklärten Varianz 17,4% |
15 |
Abbildung A14: |
Nichtlineare Biplots, ‘Concerto Woche 44; Anteil der durch die erste Dimension erklärten Varianz 34,7%, Anteil der durch die zweite Dimension erklärten Varianz 15,8% |
16 |
Abbildung A15: |
Nichtlineare Biplots, ‘Concerto Woche 48; Anteil der durch die erste Dimension erklärten Varianz 25,8%, Anteil der durch die zweite Dimension erklärten Varianz 14,6% |
17 |
Abbildung A16 a und b: |
Konfigurationen der ordinalen mehrdimensionalen Skalierung in den beiden ersten Dimensionen bei Analyse der Spearman Korrelationsmatrix der Boniturwerte für Woche 44 |
18 |
Abbildung A16 c und d: |
Konfigurationen der ordinalen mehrdimensionalen Skalierung in den beiden ersten Dimensionen bei Analyse der Spearman Korrelationsmatrix der Boniturwerte für Woche 48 |
19 |
Abbildung A17: |
Überblick über die Konfigurationen der Korrespondenzanalyse der Qualitätsbonituren in den ersten beiden Dimensionen |
20 |
Abbildung A18: |
Konfigurationen von ‘Sierra Woche 44 und ‘Sierra Woche 48, nach Skalierung und Rotation im Rahmen der Prokrustes-Analyse |
21 |
Abbildung A19: |
Konfigurationen von ‘Concerto Woche 44 und ‘Concerto Woche 48, nach Skalierung und Rotation im Rahmen der Prokrustes-Analyse |
22 |
Abbildung A20: |
Konsens-Konfigurationen der Beurteilungswochen 44 und 48 für ‘Sierra und ‘Concerto; erklärte Varianz durch die erste Dimension bei ‘Sierra 39,4%, bei ‘Concerto 43,9%, durch die zweite Dimension bei ‘Sierra 24,3%, bei ‘Concerto 18,6% |
23 |
Abbildung A21: |
Konfigurationen von ‘Sierra Woche 44 und ‘Concerto Woche 44, nach Skalierung und Rotation im Rahmen der Prokrustes-Analyse |
24 |
Abbildung A22: |
Konfigurationen von ‘Sierra Woche 48 und ‘Concerto Woche 48, nach Skalierung und Rotation im Rahmen der Prokrustes-Analyse |
25 |
Abbildung A23: |
Konsens-Konfigurationen der Beurteilungswochen 44 und 48; erklärte Varianz durch die erste Dimension in Woche 44 41,3%, in Woche 48 36,3%, durch die zweite Dimension in Woche 44 21,7%, in Woche 48 23,1% |
26 |
Abbildung A24 a,b,c,d: |
Dotplots der Boniturdifferenzen zwischen ‘Sierra in Woche 48 und 44 (a)); ‘Concerto in Woche 48 und 44 (b)); in Woche 44 zwischen ‘Concerto und ‘Sierra (c)); in Woche 48 zwischen ‘Concerto und ‘Sierra (d)) |
27 |
Abbildung A25: |
Konsens-Konfiguration nach Prokrustes Analyse für ‘Sierra und ‘Concerto, Woche 44 und 48; erklärte Varianz in der ersten Dimension 41,7%, in der zweiten Dimension 16,6% |
28 |
Abbildung A26: |
Dendrogramme unterschiedlicher Clusteralgorithmen bei Analyse aller Boniturwerte der Woche 44 und 48 bei den Sorten ‘Sierra und ‘Concerto |
29 |
Abbildung A27: |
Scatterplotmatrix der Substratanalysewerte |
30 |
Abbildung A28: |
CUSUM Diagram nach Hauptkomponentenanalyse der Substratanalysewerte |
31 |
Abbildung A29 a und b: |
Bestimmung der Anzahl ‘wesentlicher Hauptkomponenten nach VELICER, 1976 (a)) und EASTMENT & KRZANOWSKI, 1982 (b)) nach Hauptkomponentenanalyse der Substratanalysewerte |
32 |
Abbildung A30: |
Dotplot der Hauptkomponenten-Residuen nach Hauptkomponentenanalyse der Substratanalysewerte und Betrachtung von einer Dimension (Kreis) beziehungsweise von zwei Dimensionen (Kreuz) |
33 |
Abbildung A31: |
Hauptkomponenten-Biplots der Substratanalysewerte in Woche 23 mit Interpolationsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3% |
34 |
Abbildung A32 |
Hauptkomponenten-Biplots der Substratanalysewerte in Woche 29 mit Interpolationsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3% |
35 |
Abbildung A33: |
Hauptkomponenten-Biplots der Substratanalysewerte in Woche 41 mit Interpolationsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3% |
36 |
Abbildung A34: |
Hauptkomponenten-Biplots der Substratanalysewerte in Woche 23 mit Prediktionsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3% |
37 |
Abbildung A35: |
Hauptkomponenten-Biplots der Substratanalysewerte in Woche 29 mit Prediktionsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3% |
38 |
Abbildung A36: |
Hauptkomponenten-Biplots der Substratanalysewerte in Woche 41 mit Prediktionsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3% |
39 |
Abbildung A37: |
Herkömmliche Biplot-Darstellung der Substratanalysewerte |
40 |
Abbildung A38: |
Dotplots der Hauptkomponentenwerte nach Hauptkomponentenanalyse der Schattiersollwerte (ohne Betrieb 11 und 18, da keine Angaben), a) der ersten Hauptkomponente, b) der zweiten Hauptkomponente |
41 |
Abbildung A39: |
Shepard-Plots nach ordinaler mehrdimensionaler Skalierung bei Skalierung in zwei (2 dims) und drei (3 dims) Dimensionen |
42 |
Abbildung A40: |
Shepard-Plot nach ordinaler mehrdimensionaler Skalierung in vier (4 dims) Dimensionen |
43 |
Abbildung A41: |
Konfigurationen der Betriebe nach Hauptkoordinatenanalyse (PCO) und mehrdimensionaler ordinaler Skalierung (MDS) der Kulturmaßnahmen in zwei Dimensionen mit überlagerten Multiple Spanning Trees |
44 |
Abbildung A42: |
Darstellung der ersten drei Dimensionen der ordinalen mehrdimensionalen Skalierung der Kulturmaßnahmen |
45 |
Abbildung A43: |
Andrews Kurven der ersten vier Dimensionen der ordinalen mehrdimensionalen Skalierung aller Variablen des Kultumaßnahmen Datensets |
46 |
Abbildung A44: |
Parallelkoordinatenplot der ersten vier Dimensionen der ordinalen mehrdimensionalen Skalierung aller Variablen des Kultumaßnahmen Datensets |
47 |
Abbildung A45: |
Trellis-Display der dritten und vierten Dimension, konditioniert durch die erste und zweite Dimension (given.dim1 beziehungsweise given.dim2) |
48 |
Abbildung A46: |
Parallelkoordinatenplot ausgewählter Variablen des Datensets 3 (Kulturmaßnahmen) mit farblicher Hervorhebung der aus dem Andrews-Plot abgeleiteten Gruppierung |
49 |
Abbildung A47: |
Korrespondenzanalyseplot der Variablen(a)) und der Betriebe (b)) im Variablenset 4; durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9% |
50 |
Abbildung A48: |
Gemeinsamer Korrespondenzanalyseplot der Variablen und der Betriebe in Normalkoordinaten; durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9% |
51 |
Abbildung A49: |
Gemeinsamer Korrespondenzanalyseplot der Variablen in Standard- und der Betriebe in Normalkoordinaten mit Interpolationsregion für Betrieb 3; erklärte Varianz durch die erste Dimension 25,5%, durch die zweite Dimension 22,9% |
52 |
Abbildung A50: |
Prediktionsregionen der Korrespondenzanalyse in getrennten Plots für einzelne Variablen basierend auf der Chi-Quadrat-Distanz (mca); durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9% |
53 |
Abbildung A51: |
Prediktionsregionen der Korrespondenzanalyse basierend auf der Chi-Quadrat-Distanz (mca); durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9% |
54 |
Abbildung A52: |
Prediktionsregionen der Korrespondenzanalyse in getrennten Plots für einzelne Variablen basierend auf dem extended matching coefficient (emc); durch die erste Dimension erklärte Varianz 27,6%, durch die zweite Dimension erklärte Varianz 23,9% |
55 |
Abbildung A53: |
Prediktionsregionen der Korrespondenzanalyse basierend auf dem extended matching coefficient (emc); durch die erste Dimension erklärte Varianz 27,6%, durch die zweite Dimension erklärte Varianz 23,9% |
56 |
Abbildung A54: |
Darstellung der Korrespondenzanalyse-Konfigration durch beschriftete Objektmeßwerte-Plots |
57 |
Abbildung A55: |
Residuen zur Konsenz-Konfiguration der Betriebe und der der Merkmale ohne die Objekte 1, 2 und 3; Konfigurationen der Betriebe und der Merkmale der Korrespondenzanalyse der Strukturmerkmale ohne die Objekte 1, 2 und 3 |
58 |
Abbildung A56: |
Beurteilung der Stabilität der Positionen der Variablen in der Korrespondenzanalyse der Strukturmerkmale durch konvexe Hüllen |
59 |
Abbildung A57: |
Beurteilung der Stabilität der Positionen der Objekte in der Korrespondenzanalyse der Strukturmerkmale durch konvexe Hüllen |
60 |
Abbildung A58: |
Dshade-Diagramme der Proximitätsmatrix der paarweisen Residuen der multiplen Prokrustes-Rotation aller Variablensets |
61 |
Abbildung A59: |
Hauptkoordinatenanalyse der Proximitätsmatrix der paarweisen Residuen der multiplen Prokrustes-Rotation aller Variablensets; Anteil erklärter Varianz durch die erste Dimension 16,4%, durch die zweite Dimension 15,5% |
62 |
Abbildung A60: |
Ordinale mehrdimensionale Skalierung der Proximitätsmatrix der paarweisen Residuen der multiplen Prokrustes-Rotation aller Variablensets; Stress in zwei Dimensionen 0,1220 |
63 |
Abbildung A61: |
Komponentenladungen der generalisierten kanonischen Analyse, ‘Sierra Woche 44 im Datenset 6; mittlerer Loss 0,105 |
64 |
Abbildung A62: |
Komponentenladungen der generalisierten kanonischen Analyse, ‘Sierra Woche 48 im Datenset 6; mittlerer Loss 0,044 |
65 |
Abbildung A63: |
Komponentenladungen der generalisierten kanonischen Analyse, ‘Concerto Woche 44 im Datenset 6; mittlerer Loss 0,083 |
66 |
Abbildung A64: |
Komponentenladungen der generalisierten kanonischen Analyse, ‘Concerto Woche 48 im Datenset 6; mittlerer Loss 0,116 |
67 |
Abbildung A65: |
Überlagerte Komponentenladungen der generalisierten kanonischen Analyse aller Variablensets, ‘Concerto Woche 44 im Datenset 6; mittlerer Loss 0,083 |
68 |
Abbildung A66: |
Illustration der Ergebnisse der generalisieren kanonischen Analyse nach Identifikation auffälliger Zusammnehänge bei ‘Concerto Woche 44 in Variablenset 6 |
69 |
A-1A-1
Abbildung A1: Starplots der Boniturwerte aller Qualitätsmerkmale aller Betriebe für ‘Sierra und ‘Concerto
A-1A-2
Erläuterung der Strahlen in den Starplots der Boniturwerte aller Qualitätsmerkmale aller Betriebe für ‘Sierra und ‘Concerto
1 |
Gesamteindruck Woche 44 |
2 |
Gesamteindruck Woche 46 |
3 |
Gesamteindruck Woche 48 |
4 |
Wurzelbild Woche 44 |
5 |
Wurzelbild Woche 48 |
6 |
Knospenbesatz Woche 44 |
7 |
Knospenbesatz Woche 46 |
8 |
Knospenbesatz Woche 48 |
9 |
Welke Woche 44 |
10 |
Welke Woche 46 |
11 |
Welke Woche 48 |
12 |
Vergilbung Woche 44 |
13 |
Vergilbung Woche 46 |
14 |
Vergilbung Woche 48 |
15 |
Krankheiten Woche 44 |
16 |
Krankheiten Woche 46 |
17 |
Krankheiten Woche 48 |
A-1A-3
Abbildung A2: Dotplot der Mediane aller Qualitätsmerkmale (über alle Betriebe) für ‘Sierra (Kreis) und ‘Concerto (Kreuz)
A-1A-4
Abbildung A3: Trellis Display mit xy-Plot, alle Merkmale, konditioniert nach Betrieb, Woche 44 und Woche 48
![]() |
![]() |
![]() |
![]() |
A-1A-5
Abbildung A4: Trellis Display mit Dotplot, Beurteilung Gesamteindruck je Betrieb, konditioniert nach Woche und Sorte
A-1A-6
Abbildung A5: Trellis Display mit Dotplot, Beurteilung Knospenbesatz je Betrieb, konditioniert nach Woche und Sorte
A-1A-7
Abbildung A6 a,b,c,d: Kumulierte absolute Beiträge der Variablen; a) bei ‘Sierra in Woche 44, b) bei ‘Sierra in Woche 48, c) bei ‘Concerto in Woche 44, d) bei ‘Concerto in Woche 48
a) ‘Sierra Woche 44 |
b) ‘Sierra Woche 48 |
![]() |
![]() |
c) ‘Concerto Woche 44 |
d) ‘Concerto Woche 48 |
![]() |
![]() |
A-1A-8
Abbildung A7: Korrespondenzanalyse bipolarer Daten, ‘Sierra Woche 44; Anteil der durch die erste Dimension erklärten Inertia 37,5%, Anteil der durch die zweite Dimension erklärten Inertia 30,6%
A-1A-9
Abbildung A8: Korrespondenzanalyse bipolarer Daten, ‘Sierra Woche 48; Anteil der durch die erste Dimension erklärten Inertia 51,0%, Anteil der durch die zweite Dimension erklärten Inertia 17,3%
A-1A-10
Abbildung A9: Korrespondenzanalyse bipolarer Daten, ‘Concerto Woche 44; Anteil der durch die erste Dimension erklärten Inertia 56,5%, Anteil der durch die zweite Dimension erklärten Inertia 17,1%
A-1A-11
Abbildung A10: Korrespondenzanalyse bipolarer Daten, ‘Concerto Woche 48; Anteil der durch die erste Dimension erklärten Inertia 38,8%, Anteil der durch die zweite Dimension erklärten Inertia 24,5%
A-1A-12
Abbildung A11 a,b,c,d: Hauptkoordinatenanalyse; Konfiguration in den ersten beiden Dimensionen, mit und ohne überlagerten Multiple Spanning Tree; a) und b) bei ‘Sierra in Woche 44 (erklärte Varianz in der ersten Dimension 24,6%, in der zweiten Dimension 18,5%); c) und d) bei ‘Sierra in Woche 48 (erklärte Varianz in der ersten Dimension 25,5%, in der zweiten Dimension 17,4%)
a) ‘Sierra Woche 44 |
b) ‘Sierra Woche 44 |
![]() |
![]() |
c) ‘Sierra Woche 48 |
d) ‘Sierra Woche 48 |
![]() |
![]() |
A-1A-13
Abbildung A11 e,f,g,h: Hauptkoordinatenanalyse; Konfiguration in den ersten beiden Dimensionen, mit und ohne überlagerten Multiple Spanning Tree; e) und f) bei ‘Concerto in Woche 44 (erklärte Varianz in der ersten Dimension 34,7%, in der zweiten Dimension 15,8%); g) und h) bei ‘Concerto in Woche 48 (erklärte Varianz in der ersten Dimension 25,9%, in der zweiten Dimension 14,6%)
e) ‘Concerto Woche 44 |
f) ‘Concerto Woche 44 |
![]() |
![]() |
g) ‘Concerto Woche 48 |
h) ‘Concerto Woche 48 |
![]() |
![]() |
A-1A-14
Abbildung A12: Nichtlineare Biplots, ‘Sierra Woche 44; Anteil der durch die erste Dimension erklärten Varianz 24,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,5%
A-1A-15
Abbildung A13: Nichtlineare Biplots, ‘Sierra Woche 48; Anteil der durch die erste Dimension erklärten Varianz 25,5%, Anteil der durch die zweite Dimension erklärten Varianz 17,4%
A-1A-16
Abbildung A14: Nichtlineare Biplots, ‘Concerto Woche 44; Anteil der durch die erste Dimension erklärten Varianz 34,7%, Anteil der durch die zweite Dimension erklärten Varianz 15,8%
A-1A-17
Abbildung A15: Nichtlineare Biplots, ‘Concerto Woche 48; Anteil der durch die erste Dimension erklärten Varianz 25,9%, Anteil der durch die zweite Dimension erklärten Varianz 14,6%
A-1A-18
Abbildung A16 a und b: Konfigurationen der ordinalen, mehrdimensionalen Skalierung in den beiden ersten Dimensionen bei Analyse der Spearman Korrelationsmatrix der Boniturwerte für Woche 44, stress-Wert 0,1073
a) Woche 44, Kennzeichnung der Sorten ![]() |
b) Woche 44, Kennzeichnung der Merkmale ![]() |
A-1A-19
Abbildung A16 c und d: Konfigurationen der ordinalen, mehrdimensionalen Skalierung in den beiden ersten Dimensionen bei Analyse der Spearman Korrelationsmatrix der Boniturwerte für Woche 48, stress-Wert 0,1774
c) Woche 48, Kennzeichnung der Sorten ![]() |
d) Woche 48, Kennzeichnung der Merkmale ![]() |
A-1A-20
Abbildung A17: Überblick über die Konfigurationen der Korrespondenzanalyse der Qualitätsbonituren in den ersten beiden Dimensionen
A-1A-21
Abbildung A18: Konfigurationen von ‘Sierra Woche 44 und Sierra Woche 48, nach Skalierung und Rotation im Rahmen der Procrustes-Analyse
A-1A-22
Abbildung A19: Konfigurationen von ‘Concerto Woche 44 und Concerto Woche 48, nach Skalierung und Rotation im Rahmen der Procrustes-Analyse
A-1A-23
Abbildung A20: Konsens-Konfigurationen der Beurteilungswochen 44 und 48 für ‘Sierra und ‘Concerto; erklärte Varianz durch die erste Dimension bei ‘Sierra 39,4%, bei ‘Concerto 43,9%, durch die zweite Dimension bei ‘Sierra 24,3%, bei ‘Concerto 18,6%
![]() |
![]() |
A-1A-24
Abbildung A21: Konfigurationen von Sierra Woche 44 und Concerto Woche 44, nach Skalierung und Rotation im Rahmen der Prokrustes-Analyse
A-1A-25
Abbildung A22: Konfigurationen von Sierra Woche 48 und Concerto Woche 48, nach Skalierung und Rotation im Rahmen der Prokrustes-Analyse
A-1A-26
Abbildung A23: Konsens-Konfigurationen der Beurteilungswochen 44 und 48; erklärte Varianz durch die erste Dimension in Woche 44 41,3%, in Woche 48 36,3%, durch die zweite Dimension in Woche 44 21,7%, in Woche 48 23,1%
![]() |
![]() |
A-1A-27
Abbildung A24 a,b,c,d: Dotplots der Boniturdifferenzen zwischen ‘Sierra in Woche 48 und 44 (a)); ‘Concerto in Woche 48 und 44 (b)); in Woche 44 zwischen ‘Concerto und ‘Sierra (c)); in Woche 48 zwischen ‘Concerto und ‘Sierra (d))
a) ‘Sierra |
b) ‘Concerto |
![]() |
![]() |
c) Woche 44 |
d) Woche 48 |
![]() |
![]() |
A-1A-28
Abbildung A25: Konsens-Konfiguration nach Prokrustes Analyse für ‘Sierra und ‘Concerto, Woche 44 und 48; erklärte Varianz in der ersten Dimension 41,7%, in der zweiten Dimension 16,6%
A-1A-29
Abbildung A26: Dendrogramme unterschiedlicher Clusteralgorithmen bei Analyse aller Boniturwerte der Woche 44 und 48 bei den Sorten ‘Sierra und ‘Concerto
A-1A-30
Abbildung A27: Scatterplotmatrix der Substratanalysewerte
A-1A-31
Abbildung A28: CUSUM Diagramm nach Hauptkomponentenanalyse der Substratanalysewerte
A-1A-32
Abbildung A29 a 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 |
![]() |
![]() |
A-1A-33
Abbildung A30: Dotplot der Hauptkomponenten-Residuen nach Hauptkomponentenanalyse der Substratanalysewerte und Betrachtung von einer Dimension (Kreis) beziehungsweise von zwei Dimensionen (Kreuz)
A-1A-34
Abbildung A31: Hauptkomponenten-Biplots der Substratanalysewerte in Woche 23 mit Interpolationsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3%
A-1A-35
Abbildung A32: Hauptkomponenten-Biplots der Substratanalysewerte in Woche 29 mit Interpolationsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3%
A-1A-36
Abbildung A33: Hauptkomponenten-Biplots der Substratanalysewerte in Woche 41 mit Interpolationsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3%
A-1A-37
Abbildung A34: Hauptkomponenten-Biplots der Substratanalysewerte in Woche 23 mit Prediktionsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3%
A-1A-38
Abbildung A35: Hauptkomponenten-Biplots der Substratanalysewerte in Woche 29 mit Prediktionsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3%
A-1A-39
Abbildung A36: Hauptkomponenten-Biplots der Substratanalysewerte in Woche 41 mit Prediktionsmarkern; Anteil der durch die erste Dimension erklärten Varianz 41,6%, Anteil der durch die zweite Dimension erklärten Varianz 18,3%
A-1A-40
Abbildung A37: Herkömmliche Biplot-Darstellung der Substratanalysewerte
A-1A-41
Abbildung A38 : Dotplots der Hauptkomponentenwerte nach Hauptkomponentenanalyse der Schattiersollwerte (ohne Betrieb 11 und 18, da keine Angaben), a) der ersten Hauptkomponente, b) der zweiten Hauptkomponente
a) erste Hauptkomponente |
![]() |
b) zweite Hauptkomponente |
![]() |
A-1A-42
Abbildung A39: Shepard-Plots nach ordinaler mehrdimensionaler Skalierung bei Skalierung in zwei (2 dims) und drei (3 dims) Dimensionen
![]() |
![]() |
A-1A-43
Abbildung A40: Shepard-Plot nach ordinaler mehrdimensionaler Skalierung in vier (4 dims) Dimensionen
A-1A-44
Abbildung A41: Konfigurationen der Betriebe nach Hauptkoordinatenanalyse (PCO) und mehrdimensionaler ordinaler Skalierung (MDS) der Kulturmaßnahmen in zwei Dimensionen mit überlagerten Multiple Spanning Trees
![]() |
![]() |
A-1A-45
Abbildung A42: Darstellung der ersten drei Dimensionen der ordinalen mehrdimensionalen Skalierung der Kulturmaßnahmen
A-1A-46
Abbildung A43: Andrews Kurven der ersten vier Dimensionen der ordinalen mehrdimensionalen Skalierung aller Variablen des Kultumaßnahmen Datensets
A-1A-47
Abbildung A44: Parallelkoordinatenplot der ersten vier Dimensionen der ordinalen mehrdimensionalen Skalierung aller Variablen des Kulturmaßnahmen Datensets (farbliche Hervorhebung der aus dem Andrews-Plot abgeleiteten Gruppierung)
A-1A-48
Abbildung A45: Trellis-Display der dritten und vierten Dimension, konditioniert durch die erste und zweite Dimension (given.dim1 beziehungsweise given.dim2)
A-1A-49
Abbildung A46: Parallelkoordinatenplot ausgewählter Variablen des Datensets 3 (Kulturmaßnahmen) mit farblicher Hervorhebung der aus dem Andrews-Plot abgeleiteten Gruppierung
A-1A-50
Abbildung A47: Korrespondenzanalyseplot der Variablen(a)) und der Betriebe (b)) im Variablenset 4; durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9%
a) Korrespondenzanalyseplot der Variablen |
b) Korrespondenzanalyseplot der Betriebe |
![]() |
![]() |
A-1A-51
Abbildung A48: Gemeinsamer Korrespondenzanalyseplot der Variablen und der Betriebe in Normalkoordinaten; durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9%
A-1A-52
Abbildung A49: Gemeinsamer Korrespondenzanalyseplot der Variablen in Standard- und der Betriebe in Normalkoordinaten mit Interpolationsregion für Betrieb 3; erklärte Varianz durch die erste Dimension 25,5%, durch die zweite Dimension 22,9%
A-1A-53
Abbildung A50: Prediktionsregionen der Korrespondenzanalyse in getrennten Plots für einzelne Variablen basierend auf der Chi-Quadrat-Distanz (mca); durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9%
a) Produktionsmenge und Betriebsgröße |
b) Stellfläche, Bewässerungsverfahren und Substrat |
c) Region und Anzahl Vermarktungswege |
![]() |
![]() |
![]() |
A-1A-54
Abbildung A51: Prediktionsregionen der Korrespondenzanalyse basierend auf der Chi-Quadrat-Distanz (mca); durch die erste Dimension erklärte Varianz 25,5%, durch die zweite Dimension erklärte Varianz 22,9%
A-1A-55
Abbildung A52: Prediktionsregionen der Korrespondenzanalyse in getrennten Plots für einzelne Variablen basierend auf dem extended matching coefficient (emc); durch die erste Dimension erklärte Varianz 27,6%, durch die zweite Dimension erklärte Varianz 23,9%
a) Produktionsmenge und Betriebsgröße |
b) Stellfläche, Bewässerungsverfahren und Substrat |
c) Region und Anzahl Vermarktungswege |
![]() |
![]() |
![]() |
A-1A-56
Abbildung A53: Prediktionsregionen der Korrespondenzanalyse basierend auf dem extended matching coefficient (emc); durch die erste Dimension erklärte Varianz 27,6%, durch die zweite Dimension erklärte Varianz 23,9%
A-1A-57
Abbildung A54: Darstellung der Korrespondenzanalyse-Konfiguration durch beschriftete Objektmeßwerte-Plots
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
A-1A-58
Abbildung A55: Residuen zur Konsenz-Konfiguration der Betriebe und der der Merkmale ohne die Objekte 1, 2 und 3; Konfigurationen der Betriebe und der Merkmale der Korrespondenzanalyse der Strukturmerkmale ohne die Objekte 1, 2 und 3
Residuen und Konfiguration der Betriebe ohne Betrieb 1 |
Residuen und Konfiguration der Betriebe ohne Betrieb 2 |
Residuen und Konfiguration der Betriebe ohne Betrieb 3 |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
Residuen und Konfiguration der Merkmale ohne Betrieb 1 |
Residuen und Konfiguration der Merkmale ohne Betrieb 2 |
Residuen und Konfiguration der Merkmale ohne Betrieb 3 |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
A-1A-59
Abbildung A56: Beurteilung der Stabilität der Positionen der Variablen in der Korrespondenzanalyse der Strukturmerkmale durch konvexe Hüllen
A-1A-60
Abbildung A57: Beurteilung der Stabilität der Positionen der Objekte in der Korrespondenzanalyse der Strukturmerkmale durch konvexe Hüllen
A-1A-61
Abbildung A58: Dshade-Diagramme der Proximitätsmatrix der paarweisen Residuen der multiplen Prokrustes-Rotation aller Variablensets
a) ohne Sortierung |
b) mit Sortierung |
![]() |
![]() |
A-1A-62
Abbildung A59: Hauptkoordinatenanalyse der Proximitätsmatrix der paarweisen Residuen der multiplen Prokrustes-Rotation aller Variablensets; Anteil erklärter Varianz durch die erste Dimension 16,4%, durch die zweite Dimension 15,5%
a) ohne Multiple Spanning Tree |
b) mit Multiple Spanning Tree |
![]() |
![]() |
A-1A-63
Abbildung A60: Ordinale mehrdimensionale Skalierung der Proximitätsmatrix der paarweisen Residuen der multiplen Prokrustes-Rotation aller Variablensets; Stress in zwei Dimensionen 0,1220
a) ohne Multiple Spanning Tree |
b) mit Multiple Spanning Tree |
![]() |
![]() |
A-1A-64
Abbildung A61: Komponentenladungen der generalisierten kanonischen Analyse, ‘Sierra Woche 44 im Datenset 6; mittlerer Loss 0,105
A-1A-65
Abbildung A62: Komponentenladungen generalisierter kanonischen Analyse, ‘Sierra Woche 48 im Datenset 6; mittlerer Loss 0,044
A-1A-66
Abbildung A63: Komponentenladungen generalisierter kanonischen Analyse, ‘Concerto Woche 44 im Datenset 6; mittlerer Loss 0,083
A-1A-67
Abbildung A64: Komponentenladungen generalisierten kanonischen Analyse, ‘Concerto Woche 48 im Datenset 6; mittlerer Loss 0,116
A-1A-68
Abbildung A65: Überlagerte Komponentenladungen der generalisierten kanonischen Analyse aller Variablensets, ‘Concerto Woche 44 im Datenset 6; mittlerer Loss 0,083
A-1A-69
Abbildung A66: Illustration der Ergebnisse der generalisieren kanonischen Analyse nach Identifikation auffälliger Zusammenhänge bei ‘Concerto Woche 44 in Variablenset 6
a) 'Concerto' 44, Vergilbung und Stellflächen Spearman Rangkorrelation 0,5424 |
b) 'Concerto' 44, Vergilbung und Substratwahl Spearman Rangkorrelation 0,5892 |
![]() |
![]() |
c) 'Concerto' 44, Krankheitsbefall und K-Düngung Spearman Rangkorrelation -0,5734 |
d) 'Concerto' 44, Krankheitsbefall und Schattiersollwerte Spearman Rangkorrelation -0,4804 |
![]() |
![]() |
© 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 |