Collinearity in model building was

Collinearity in model building was assessed by computing the
variance inflation factor (VIF) of each variable in the full model,
assuming that problems may occur if VIF >3 (Zuur et al., 2009).
Model adequacy was evaluated by plotting the residuals of the
average model against the fitted values and each of the variables
presented in the final model (Zuur et al., 2009). Model discrimination
ability was assessed using the area under the remote operating
characteristic curve (AUC), with values above 0.9 taken to
indicate excellent accuracy (Rapacciuolo et al., 2012). To check
for eventual autocorrelation problems, we computed the Moran’s
I based on spline correlograms for the raw binary response variable
and the residuals from the average model, using the ‘‘spline.correlog’’
function with 1000 permutations from the R package ‘‘ncf’’
(Bjornstad, 2012). Additionally we run a mantel test of overall
autocorrelation between the response variable and model residuals
against distance between resting sites (Urban, 2003). Temporal
autocorrelation was inspected by plotting the autocorrelation function (ACF) with the model average residuals vs. the lag between
monitoring days (Zuur et al., 2009), using the ‘‘acf’’ function
from the R package ‘‘nlme’’ (Pinheiro et al., 2012).

ผลลัพธ์ (ไทย) 1:

ภาวะร่วมเส้นตรงในรูปแบบอาคารที่ถูกประเมิน โดยการคำนวณการผลต่างของอัตราเงินเฟ้อปัจจัย (VIF) ของแต่ละตัวแปรในแบบจำลองแบบเต็มสมมติว่าปัญหาอาจเกิดขึ้นหาก VIF > 3 (Zuur et al., 2009)แบบจำลองเพียงพอถูกประเมิน โดยการพล็อตค่าคงเหลือของการแบบจำลองเฉลี่ยกับค่าผ่อนและแต่ละตัวแปรนำเสนอในรูปแบบสุดท้าย (Zuur et al., 2009) รูปแบบเลือกปฏิบัติสามารถถูกประเมินโดยใช้พื้นที่ภายใต้การดำเนินงานระยะไกลเส้นโค้งลักษณะ (AUC), มีค่าเหนือ 0.9 นำบ่งชี้ความถูกต้องแห่ง (Rapacciuolo et al., 2012) การตรวจสอบปัญหา autocorrelation ใน เราคำนวณของโมแรนผมใช้ correlograms เหมือนตัวแปรตอบสนองฐานวัตถุดิบและค่าคงเหลือจากแบบจำลองเฉลี่ย ใช้ '' spline.correlog''ฟังก์ชันกับสับ 1000 จากแพคเกจ R '' ncf''(Bjornstad, 2012) นอกจากนี้เราเรียกใช้การทดสอบหิ้งของโดยรวมautocorrelation ระหว่างตัวแปรตอบสนองและรุ่นค่าคงเหลือกับระยะห่างระหว่างพักอเมริกา (Urban, 2003) ขมับautocorrelation ถูกตรวจสอบ โดยการพล็อตฟังก์ชัน autocorrelation (สโมสรฟุตบอล) กับแบบจำลองเฉลี่ยค่าคงเหลือเทียบกับความล่าช้าระหว่างตรวจสอบวัน (Zuur et al., 2009) ใช้ฟังก์ชัน ''สโมสรฟุตบอล ''จาก R ชุด '' nlme'' (Pinheiro et al., 2012)

ผลลัพธ์ (ไทย) 2:

collinearity ในการสร้างรูปแบบที่ได้รับการประเมินโดยการคำนวณ
ค่าเงินเฟ้อแปรปรวน (VIF) ของตัวแปรในรูปแบบเต็มรูปแบบแต่ละ
สมมติว่าปัญหาอาจเกิดขึ้นหาก VIF> 3 (Zuur et al., 2009)
รุ่นเพียงพอได้รับการประเมินโดยพล็อตที่เหลือของ
รูปแบบเฉลี่ยกับค่าติดตั้งและแต่ละตัวแปรที่
นำเสนอในรูปแบบสุดท้าย (Zuur et al., 2009) รูปแบบการเลือกปฏิบัติ
ความสามารถในการได้รับการประเมินโดยใช้พื้นที่ที่อยู่ภายใต้การดำเนินงานระยะไกล
ลักษณะโค้ง (AUC) มีค่าสูงกว่า 0.9 ดำเนินการเพื่อ
แสดงให้เห็นความถูกต้องที่ดี (Rapacciuolo et al., 2012) ในการตรวจสอบ
ปัญหาผิดพลาดที่สัมพันธ์ในที่สุดเราคำนวณโมแรน
ผมตาม correlograms เส้นโค้งของตัวแปรตอบสนองไบนารีดิบ
และสิ่งตกค้างจากแบบจำลองค่าเฉลี่ยโดยใช้ 'spline.correlog' ''
ฟังก์ชั่น 1000 พีชคณิตจากแพคเกจ R '' NCF ''
(Bjornstad, 2012) นอกจากนี้เราจะดำเนินการทดสอบหิ้งโดยรวม
ผิดพลาดที่สัมพันธ์ระหว่างตัวแปรการตอบสนองและรูปแบบเหลือ
กับระยะทางระหว่างสถานที่พักผ่อน (เมือง 2003) ชั่วขณะ
autocorrelation ถูกตรวจสอบโดยการวางแผนการทำงานผิดพลาดที่สัมพันธ์ (ACF) กับรูปแบบเหลือโดยเฉลี่ยเมื่อเทียบกับความล่าช้าระหว่าง
การตรวจสอบวัน (Zuur et al., 2009) โดยใช้ '' acf '' ฟังก์ชั่น
จากแพคเกจ R '' nlme '' (Pinheiro et al., 2012)

ผลลัพธ์ (ไทย) 3:

collinearity ในรูปแบบอาคารและโดยการคำนวณเงินเฟ้อ ปัจจัยความแปรปรวน
( VIF ) ของตัวแปรแต่ละตัวในรูปแบบเต็ม
สมมติว่าปัญหาอาจเกิดขึ้นถ้า VIF > 3 ( zuur et al . , 2009 ) .
แบบเพียงพอที่ประเมินโดยวางแผนความคลาดเคลื่อนของแบบจำลองกับค่าเฉลี่ย
พอดีและแต่ละของ ตัวแปร
นำเสนอในรูปแบบสุดท้าย ( zuur et al . , 2009 ) รูปแบบการเลือกปฏิบัติ
ความสามารถในการประเมินการใช้พื้นที่ในการดำเนินงานระยะไกล
ลักษณะโค้ง ( ยา ) กับค่าข้างต้น 0.9 ถ่าย

บ่งบอกถึงความถูกต้องที่ยอดเยี่ยม ( rapacciuolo et al . , 2012 ) เพื่อตรวจสอบปัญหา autocorrelation
ในที่สุด เราคำนวณจาก มอแรนของ
ฉันยึดสลัก correlograms สำหรับวัตถุดิบไบนารีการตอบสนองตัวแปร
และความคลาดเคลื่อนจากค่าเฉลี่ยแบบใช้ correlog ' '
' 'spline .ฟังก์ชันพีชคณิต 1 แพคเกจจาก R ' 'ncf ' '
( bjornstad , 2012 ) นอกจากนี้เราใช้ทดสอบ Mantel รวม
ข้อมูลระหว่างการตอบสนองตัวแปรและค่าระยะทางระหว่างที่พักกับนางแบบ
เว็บไซต์ ( เมือง , 2003 )
ข้อมูลถูกตรวจสอบ โดยวางแผนและฟังก์ชันอัตสหสัมพันธ์ ( ACF ) กับแบบค่าเฉลี่ยกับความล่าช้าระหว่าง
ตรวจสอบวัน ( zuur et al . , 2009 ) , การใช้ ' 'acf ' ' ฟังก์ชัน
จากแพคเกจ ' ' ( R ' 'nlme Pinheiro et al . , 2012 )