We use ordinary least squares (OLS)

We use ordinary least squares (OLS) regression to examine the effects of our independent variables on deer density.

To meet normality assumptions of linear regression, we log10 transform deer density estimates for use in these models.

Other variables are normally distributed.

We do not include a spatial autocorrelation component in our models as Moran’s I (globally standardized) indicates no significant autocorrelation in deer density data for lag distances of10 km

ผลลัพธ์ (ไทย) 1:

เราใช้ถดถอยธรรมดากำลังสองน้อยสุด (OLS) เพื่อตรวจสอบผลกระทบของตัวแปรอิสระของเราในความหนาแน่นของสัตว์ การปัน normality ถดถอยเชิงเส้น เราเดียร์ log10 แปลง ความหนาแน่นประมาณสำหรับใช้ในรุ่นเหล่านี้ ตัวแปรอื่น ๆ มีกระจายปกติ เรามีคอมโพเนนต์ autocorrelation ปริภูมิในรุ่นของเราเป็นโมแรนของฉัน (มาตรฐานทั่วโลก) บ่งชี้ autocorrelation ไม่สำคัญในข้อมูลความหนาแน่นเดียร์สำหรับช่วงห่างระยะทาง 10 กม.

ผลลัพธ์ (ไทย) 2:

เราใช้กำลังสองน้อยที่สุดสามัญ (OLS) การถดถอยเพื่อศึกษาผลของตัวแปรอิสระของเราอยู่กับความหนาแน่นกวาง. เพื่อตอบสนองสมมติฐานปกติของการถดถอยเชิงเส้นเรา log10 เปลี่ยนประมาณการความหนาแน่นกวางสำหรับการใช้งานในรูปแบบเหล่านี้. ตัวแปรอื่น ๆ จะกระจายตามปกติ. เราทำไม่ได้ รวมถึงองค์ประกอบอวกาศในรูปแบบของเราเป็นโมแรนฉัน (มาตรฐานทั่วโลก) ระบุไม่มีอัตอย่างมีนัยสำคัญในข้อมูลความหนาแน่นกวางสำหรับระยะทางของความล่าช้า 10 กม.

ผลลัพธ์ (ไทย) 3:

เราใช้วิธีกำลังสองน้อยที่สุด ( OLS ) Regression เพื่อศึกษาผลของตัวแปรอิสระของเราของกวาง

เจอปกติ สมมติฐานของการถดถอยเชิงเส้นเรา LN แปลงกวางประมาณความหนาแน่นสำหรับใช้ในรูปแบบเหล่านี้

ตัวแปรอื่น ๆ เป็นแบบปกติ

เราไม่ได้มีข้อมูลเชิงพื้นที่ในรูปแบบของเราเป็นส่วนประกอบส่วนใหญ่ของชั้น ( มาตรฐานทั่วโลก ) บ่งชี้ว่า ไม่พบข้อมูลในกวางข้อมูลความหนาแน่นของ  ความล่าช้าระยะทาง 10 กิโลเมตร