Workshop Power-analyse
N. Vanermen, T. Onkelinx, W. Courtens, M. Van de walle, H. Verstraete & E.W.M. Stienen
Zeevogels en offshore
windparken
2Barrière voor
migratie en
lokale
vliegbeweginge
n
Verandering habitatVerhoogde mortaliteit
als gevolg van
Zeevogels en offshore
windparken
3
Verandering
habitat
Zeevogelmonitoring
4
Maandelijkse zeevogeltellingen vanaf
Zeevogelmonitoring
5
Zeevogelmonitoring:
dataverwerking
6
Statistische uitdagingen eigen aan biologische data in het algemeen & zeevogeldata in het bijzonder:
• Auto-correlatie in tijd en ruimte
> aggregatie van transectdata tot dagtotalen voor controle- en impactgebied • Overdispersie
> toepassen van een ‘negatief binomiaal’ verdeling > var = μ + μ²/θ (↔ var= μ als in Poisson)
• Hoog aantal nultellingen
Zeevogelmonitoring:
dataverwerking
7
Seizoenale variatie gemodelleerd aan de hand van een sinuscurve, bvb.:
Drieteenmeeuw
Zeevogelmonitoring:
dataverwerking
8
Seizoenale variatie gemodelleerd aan de hand van een sinuscurve, bvb.:
Visdief
Power-analyse
Vooreerst iets meer over het
toetsen van hypothesen…
Het statistisch testen van een
hypothese start met het formuleren
van:
•
De nulhypothese (H
0): stelt dat er geen
effect optreedt en we nemen
aanvankelijk aan dat die juist is
•
De alternatieve hypothese (H
1): stelt
dat er wel een effect optreedt
De statistische toets berekent de kans
P (van Probabiliteit) dat een effect van
waargenomen grootte (of groter) kan
vastgesteld worden wanneer er in
werkelijkheid geen effect is:
•
Is P erg klein: verwerpen van H
0en
aanvaarden van H
1(≠ bewijzen!)
Toetsen van hypothesen
Conclusies van statistische toetsen kunnen fout zijn:
α = de kans op het maken
van een type I fout
β = de kans op het maken
Toetsen van hypothesen
• α is gelijk aan de kans op een type I fout, metname foutief besluiten dat er wel een effect is.
• β is gelijk aan de kans op het maken van een type II fout, met name foutief besluiten dat er geen
effect is.
• De power van een statistische test is gelijk aan
1-β, met name de kans dat je geen type II fout
maakt, en dus correct besluit dat er wel een effect is.
Toetsen van hypothesen
Het significantieniveau wordt
meestal a priori bepaald, maar de
power (1-β) is vaak ongekend en
afhankelijk van:
• het significantieniveau (!!)
• de effectgrootte
• de steekproefgrootte
• de variabiliteit van de data
Bij een kleinere α daalt de power!!
Toetsen van hypothesen
: Traditioneel gelijkgesteld aan 0.05, al is dit een arbitrair getal, en geldt vooral hoe kleiner hoe beter
1-β: Vaak hanteert men hiervoor even arbitrair een waarde van 0.80 (wat betekent dat de kans dat een bestaand effect van een welbepaalde grootte niet wordt gedetecteerd maar liefst 20% bedraagt)!
→ Deze waarden worden idealiter vooraf bepaald op basis van alle mogelijke kosten & baten op gebied van mens, economie, gezondheid & milieu.
→ In milieustudies bvb. kan er een spanningsveld ontstaan
tussen de ontwikkelaar die zo laag mogelijk wil houden, en de milieu-onderzoekers die streven naar een zo hoog
Power-analyse
15
Twee aparte vraagstellingen:
1.
In welke mate beïnvloeden onze
data-karakteristieken de power van ons
monitoringsprogramma?
2.
Wat is per soort en binnen de huidige
monitoringstrategie de power om
aantalsafnames ten gevolge van de bouw
van een windpark statistisch vast te
Power-analyse (vraag 1)
16
1. In welke mate beïnvloeden onze
datakarakteristieken de power van ons monitoringsprogramma?
• Referentiedata worden voor elke soort gemodelleerd volgens één en hetzelfde ZINB basismodel, met de volgende ‘count component’:
log(Y) = log(km²) + a1 + a2*sin(2*π*month/12)+ a3*cos(2*π*month/12) + a4*CI waarin Y = aantal getelde vogels per gebied per dag
CI = gebiedsfactor (impact/controle)
• Voor elke coëfficiënt wordt de range bepaald
Power-analyse (vraag 1)
17
Power-analyse (vraag 1)
18
Power-analyse (vraag 1)
19
Power-analyse (vraag 1)
20
Power-analyse (vraag 2)
21
2. Wat is per soort en binnen de huidige monitoringstrategie de power om een
aantalsafname ten gevolge van de bouw van een windpark statistisch vast te stellen?
• Selectie van soort-specifieke referentiemodellen
• Voor elke soort wordt de power berekend om
Power-analyse (vraag 2)
22
Resultaten: soort-specifieke modellering
componentCount componentZero
Power-analyse (vraag 2)
23
Power-analyse (vraag 2)
24
Power-analyse: conclusies
25
Als gevolg van overdispersie en/of een overmaat aan nullen is de power om afnames in zeevogels te detecteren (≈power>90%) binnen de huidige
monitoring set-up over het algemeen laag.
→ Een afname van 75% is voor de helft van de soorten (jan-van-gent, kleine mantelmeeuw, drieteenmeeuw, grote stern, zeekoet & alk) detecteerbaar vóór het 5de jaar na impact