The significant logistic regression

The significant logistic regression models show that the probability
of cattle predation (CP) and the probability of sheep and goat predation
(SP) strongly depended on prey biomass (Table 2; Fig. 2). CP and SP also
depended on prey density (Wald=4.855, P=0.028 andWald=6.847,
P=0.009, respectively), but we excluded these models because of low
predictive capacity of the CP model (AUC= 0.662) and the estimation
of SP N 1 at low-density values.

ผลลัพธ์ (ไทย) 1:

แบบจำลองการถดถอยโลจิสติกอย่างมีนัยสำคัญแสดงว่าน่าเป็นปล้นสะดมวัว (CP) และน่าเป็นของแกะและแพะปล้นสะดม(SP) ขอขึ้นกับบนเหยื่อชีวมวล (ตารางที่ 2 กินข้าวแดง 2 CP และ SP ยังขึ้นกับความหนาแน่นของเหยื่อ (วอลด์ = 4.855, P = 0.028 andWald = 6.847P = 0.009 ตามลำดับ), แต่เราไม่รวมรุ่นเหล่านี้เนื่องจากต่ำทำนายความจุรุ่น CP (AUC = 0.662) และการประเมินของ SP 1 N ค่าความหนาแน่นต่ำ

ผลลัพธ์ (ไทย) 2:

ที่สำคัญรูปแบบการถดถอยโลจิสติกแสดงให้เห็นว่าน่าจะเป็น
ของวัวปล้นสะดม (CP) และน่าจะเป็นของแกะและแพะปล้นสะดม
(SP) ขอขึ้นอยู่กับเหยื่อชีวมวล (ตารางที่ 2. รูปที่ 2) CP และ SP ยัง
ขึ้นอยู่กับความหนาแน่นของเหยื่อ (Wald = 4.855, P = 0.028 andWald = 6.847,
p = 0.009 ตามลำดับ) แต่เราได้รับการยกเว้นรุ่นเพราะต่ำเหล่านี้
กำลังการผลิตคาดการณ์ของรูปแบบซีพี (AUC = 0.662) และการประเมิน
ของ SP n 1 ที่ค่าความหนาแน่นต่ำ

ผลลัพธ์ (ไทย) 3:

ทางด้าน logistic regression พบว่า น่าจะเป็นรุ่นสัตว์ผู้ล่า ( CP ) และความน่าจะเป็นของการแกะและแพะ( SP ) ขอขึ้นอยู่กับจำนวนเหยื่อ ( ตารางที่ 2 รูปที่ 2 ) บริษัท ซีพี ออลล์ และ SP ยังขึ้นอยู่กับความหนาแน่นของเหยื่อ ( 4.855 Wald = p = 0.028 andwald 6.847 = ,p = 0.009 ตามลำดับ ) แต่เราไม่รวมโมเดลเหล่านี้เพราะต่ำความจุดของ CP รุ่น ( ค่า = 0.662 ) และการประเมินSp n 1 ที่ความหนาแน่นต่ำค่า