View
605
Download
0
Embed Size (px)
Citation preview
Die Rückkehr des Leittyps ?Verwendung der Indikator-Arten -Analyse als
arch äologische Indikator-Typen -Analyse
Typ 7 => Gruppe A ?
Vorgetragen in Berlin, Digital Classicist Seminar, Dienstag 11. Februar 2014
Überarbeitete Onlineversion vom Montag, dem 3. März 2014
Folie 2/23Georg Roth / Köln, Indikatortypen-Analyse
1. Einleitung
Gliederung
1. Einleitung
2. Leitfund und Indikator-Analyse
3. Datenstruktur und Software
4. Methodik
5. Beispiel: Alt-/mittelneolithisches Silexrohmaterial in Franken
6. Kern-Aussagen
Folie 3/23Georg Roth / Köln, Indikatortypen-Analyse
2. Leitfund vs. Indikatortypen-Analyse
2.1. Leitfund- Typologisch analysierte Inventare archäologischer Objekte
- Typ anhand dessen Auftreten Stufe/Gruppe definiert wird
- Konzept aus der Geologie entlehnt (Leitfossil)
- in Archäologie Inventargruppen definiert, in Geologie vorgegeben
Geological Index fossils (Wikipedia Commons)
Bz-VollgriffschwertNord. BzZ II(Driehaus 1968)
Navicella-FibelGolasecca-Kultur IC(Eles Masi 1986)
Ex post („passiv“)Gruppen vorgegebenArt („Typ“) ermittelt
A priori („aktiv“)Gruppen definiertTyp als Definens
Folie 4/23Georg Roth / Köln, Indikatortypen-Analyse
2. Leitfund vs. Indikatortypen-Analyse
2.2. Indikator-Arten- Ökologie sucht Arten, deren Auftreten Gruppenzugehörigkeit (Region,
Habitattyp etc.) eines Artenspektrums anzeigt („Indikator“)
- Konzept seit 1920ern intuitiv verfolgt
- Seit späte 1990er objektive/statistische Methodik (Dufrene/Legendre 1997)
- Artenspektren-Gruppierung(-en) vorgegeben (Region, Habitattyp etc.)
Vilcha/De Caceres et al. 2013 : Indikatorarten (Bäume) für Regional-gruppen iberischer Eichenwälder.
Qercus faginea(Wikipedia Commons)
Quercus pyrenaicaArten-Gemeinschaften(FOTO De Caceres)
Iberisches Gebirge (Wikipedia Commons)
Wird Indikator (bei neuem Fall) gefunden, gehört Fall zu indizierter Gruppe bzw. Gruppe ist durch Indikator charakterisiert
Folie 5/23Georg Roth / Köln, Indikatortypen-Analyse
Auf meine Anfrage antwortete der Entwickler des R-Paketes zur Indikat or-Analyse, Dr. Miquel de Caceres, sinngemäß: ‚die Anwendung der Methode benö tige nur Daten in der skizzierten Form [s. u.] und beinhalte keine ökologi e-spezifischen Rechenschritte‘.
2. Leitfund vs. Indikatortypen-Analyse
2.3. Transfer in die Archäologie = Indikator-TypenGEFRAGT: Typ-Auftreten zeigt Gruppenzugehörigkeit des Inventars an ?
- Wenn (zeitliche) Gruppierung von Inventarspektrum unabhängig, dann objektive Methodik zur Identifizierung von Leitfunden (sensu Leitfossil)
- Wenn Gruppierung anhand Inventarspektrem erstellt (z. b. Chronologie), dann unterstützende Methodik zur Beschreibung von Gruppierungen (sensu Leitfund)
- Erweiterung der Indikatoren-Analyse (Phi-Koeffizient) erlaubt Messen von bevorzugtem Auftreten oder auffälligem Fehlen
=> objektive Beschreibung von Typ-Auftreten in Inventargruppen
Rückkehr des Leitfundes ? Klares JEIN !
Email-Antwort von: Miquel De Caceres 5. Mai 2011
Folie 6/23Georg Roth / Köln, Indikatortypen-Analyse
3. Datenstruktur und Software
3.1. Verwendbare Information bzw. Datenstruktur
T 01 T 02 T 03 T 04 T 05 T 06 T 07 T 08 T 09 GRUPPE
Inventar 01 19 55 78 9 60 78 53 68 22Inventar 02 61 17 33 21 75 22 22 13 12Inventar 03 84 41 58 2 85 41 41 32 7Inventar 04 74 46 3 95 21 73 40 77 41Inventar 05 63 79 81 96 99 100 3 8 29Inventar 06 86 27 42 60 42 10 78 65 37
Inventar 07 24 66 16 3 51 23 18 18 48Inventar 08 33 23 84 6 82 14 30 54 74Inventar 09 8 68 77 92 68 72 36 53 91Inventar 10 66 22 80 58 72 74 58 11 11Inventar 11 84 58 88 83 62 54 19 69 60Inventar 12 52 86 52 17 44 62 93 34 78
B
A
Zwei Informationen: Kreuztabelle und Gruppenzugehörigkeit1. Kreuztabelle mit Sparten für Inventare und Sparten für Typen
= typische archäolog. Daten mit Inventaren in Zeilen und Typen in Spalten
2. Sparten (Spalte) mit Gruppenzugehörigkeit der Inventare
zwei Informationsvarianten möglich: Anzahlen oder Präsenz-Absenz-Daten (1 oder 0)
Zusatzspalte: Gruppierung
in Spalten: Typen
in Zeilen: Inventare
in Zellen:Anzahlen
oderPräsenz-Absenz
gerade betrachtete Gruppe =Zielgruppe
Folie 7/23Georg Roth / Köln, Indikatortypen-Analyse
Statistik-Programmieroberfläche Rkostenfrei Opensource, frei, ständig aktualisiertwissenschaftliche Publikation(-en)
Packet indicspecies (De Caceres/Jansen 2013)
http://http://http://http://cran.rcran.rcran.rcran.r----project.orgproject.orgproject.orgproject.org////package=indicspeciespackage=indicspeciespackage=indicspeciespackage=indicspecies
http://cran.r-project.org
3.2. Software
3. Datenstruktur und Software
Ökologe Miquel De CaceresBiodiversitätslabor des Katalanischen Forstwirtschaftszentrums in Solsonawww.ctfc.cat
Software und Analyse-Anleitung zu seinem Paket indicspecies
über 4.000 Erweiterungs-Pakete für verschiedenste M ethoden
Weltweit m ächtigste Statistik-Software für die Wissenschaft
FOTO De Caceres
Folie 8/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.1. Methodik: Indikatorwert für Anzahlen
Indikator-Analyse für Anzahlen bei unterschiedlich großen Fall-Gruppen [Wurzel (IndValgind); g = gruppengrößen-korrigiert, ind = partiell Individuen-basiert]
Berechnet wird für jeden Typ bezogen auf jede Grupp e:
A = Bruch aus mittleren Typ-Anzahl in Zielgruppe (A1) und Summe (A2) der mittleren Typ-Anzahlen von allen Gruppen (A{0,…,1}, A → 1, wenn nur in Zielgruppe)
B = Anteil der Zielgruppenfälle mit Typ (B {0,…,1} , „Anteil Fälle-mit-Typ an Zielgruppe“)
Ziehe Wurzel aus Produkt von A und B (= Geometrisches Mittel unabhängiger Effekte)
Indikatorwert („ Wurzel (IndVal)“ ) gleich Wurzel aus (A1 / A2 * B)
A1
A2
In Abwandlung auch für
Präsenz-/Absenz-DatenA B
Spezifität Treue
Folie 9/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.1. Methodik: Indikatorwert
Indikator-Wert misst Prognose-Güte eines Typs für e ine Fallgruppe Das Mittel aus Term A /Spezifität („Bezogenheit“ eines Typs auf Gruppe) und Term B /Treue („Typ-Treue zur Gruppe“) entspricht Mittel aus Prognosequalität (A) und Prognoseeignung (B)
IndVal zwischen 0 (niedrige) und 1 (hohe) Prognosegüt e
Bei Indikatorwert zu beachten
- er berücksichtigt nur (!) die Werte für jeweils untersuchten Typ
- er behandelt Abwesenheiten außerhalb Zielgruppe anders als innerhalb
zwei Erweiterungen des Indikatorwertes m öglich
- messen der Indikator-Tauglichkeit von Typkombinatione n [war nicht möglich bisher]
- messen der Indikator-Tauglichkeit für Kombinationen von Gruppen
(‚Meta-Gruppen‘) [macht nur bei mehr als zwei Gruppen Sinn]
ASpezifität/Qualität
Treue/ Eignung
B
Folie 10/23Georg Roth / Köln, Indikatortypen-Analyse
Standardisiert auf Maximalwert
4. Methodik
4.2. Methodik: Phi-Koeffizient für Anzahlen
A1 A2
In Abwandlung auch für Präsenz-Absenz-Daten („echtes Phi“)B1 und B2 in Formel aufgelöst
A1 und A2 in Formel verändert
Phi-Wert misst bevorzugtes/vermiedenes Auftreten ein es Typs in Gruppen (im Unterschied zu Gleichverteilung über alle Grupp en)
[ rgpb ; g=gruppengrößen-korrigiert, pb = Punkt-biserialer-Korrelationskoeffizient]
Anzahl in Zielgruppe (A1) minus erwartete Anzahl (bei Gleichverteilung/Zufall) (A2),als Bruchteil der Streuung bei Zufall (B1) und des theoretischen Maximalwerts (B2)
Phi zwischen: – 1 = Vermeidung und + 1 = Präferenz
- Absenzen außerhalb Zielgruppe erhöhen Wert so wie Präsenzen innerhalb Zielgruppe
- Ausgangspunkt ist Gleichverteilung über alle Gruppen (Abweichung vom Durchlaufen)
- Erweiterungen wie Typen- und Gruppenkombinationen eb enfalls m öglich
Beobachtet Erwartet–
Schwankungsbreite
Maximalwertstandardisiert
Folie 11/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.3. Vergleich: IndVal / Phi (rpb)
Phi-Wert
Maß für von Gleichverteilung abweichendem Auftreten eines TypsWie weicht Typauftreten in den Gruppen Gleichverteilung über alle Gruppen ab ?
Indikatorwert
Maß für Entsprechung von Typauftreten und Gruppenzug ehörigkeit
bzw. Prognosecharakter eines Typs für eine Gruppe
Welcher Typ zeigt alleine durch Auftreten schon Zielgruppe an ?
Oft ergeben beide Ansätze ähnliches Bild, aber Deut ung muss sich unterscheiden je danach, welche Methode verwendet w urde.
Folie 12/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.4. Teste: Absicherung gegen Zufall
Außer Messung auch Absicherung der beobachteten Wer te gegen Zufall m öglich ( Test auf Signifikanz der Beobachtung ) empfohlene Datensatzgröße für wirklich belastbare Testergebnisse ca. 100 Inventare mit mind. 30 Inventaren pro Gruppe [Beispiel hier aus 5. zu klein…]
Signifikanz-Berechnung durch Permutationsteste(Permutation hier = Vertauschung der Gruppenzughörigkeit)
Signifikanz-Berechnung bereits korrigiert für Mehrfachtesten !
Vertrauensbereiche (Konfidenzintervalle) für Maße ermittelbar
Beachte: Trotzdem können Teste von räumlicher Autokorrelation (raum-bezogene Selbstähnlichkeit) und Tautologie-Effekten (wenn Fallgruppierung anhand der Typen) betroffen und verzerrt sein.
Folie 13/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
5.1. Inventare und Gruppen Silexrohmaterial-Inventare der Jungsteinzeit aus Westfranken von alt- (AN) und mittel-neolithischen (MN) Fundstellen (SCHARL 2007, Tab. 4 und 5).
Daten 25 Fundstellen bestehend aus 20 Begehungen und 5 Grabungen (2,15,19,21,22)
Kreuztabellen AN (n=12) und MN (n=13)Fundstellen gegen Rohmaterial
Gruppierungen (typenunabhängig)(2) Chronologisch (AN oder MN)(2) Regional (14 links, 11 rechts des Mains)
(4) Chronologie und Region gekreuzt(7 AN/links, 5 AN/rechts, 7 MN/links, 6 MN/rechts )
Neolithische Silexinventare W.-Franken (SCHARL 2007, Abb. 1)
MAIN
Verändert: Mainverlauf schematisch
Folie 14/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
5.2. InventardatierungenDatierung (= chronologische Gruppierung) von Rohmaterialtypen unabhängig
=> Teste unverzerrt, aber Gruppen kleiner als Empfehlung => wenig robust
Datierung Silexinventare (SCHARL 2007, Abb. 4)
AN = mLBK – spLBK = 5200-4950 BC
MN = GG – Rö = 4950-4550 BC
Folie 15/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches SilexrohmaterialRohmaterialvorkommen (SCHARL 2007, Abb. 14)5.3.1 Indikatoren / chronologisch
„prognosentaugliches Rohmaterial ist…“
IndikatorenIndikatorenIndikatorenIndikatoren LBK/MNLBK/MNLBK/MNLBK/MN
Multilevel pattern analysis---------------------------Association function: IndVal.gSignificance level (alpha): 0.05Total number of species: 26Selected number of species: 7 Number of species associated to 1 group: 7
Group LBK #sps. 2 A B stat p.value
RIJ 0.9485 0.8333 0.889 0.010 **WIT 0.8059 0.8333 0.820 0.017 *
Group MN #sps. 5 A B stat p.value
ARN 0.9329 1.0000 0.966 0.001 ***IN1 0.9522 0.7692 0.856 0.006 ** BUX 0.8626 0.7692 0.815 0.017 * RUL 0.9461 0.4615 0.661 0.043 * ORT 1.0000 0.3846 0.620 0.045 *
(alle Silex-Fotos: SCHARL 2007)
Folie 16/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches SilexrohmaterialRohmaterialvorkommen (SCHARL 2007, Abb. 14)5.3.2 Präferenzen / regional
„bevorzugt auftretendes Rohmaterial für …“
PhiPhiPhiPhi----KoeffizientKoeffizientKoeffizientKoeffizientMain links/Main links/Main links/Main links/rechtsrechtsrechtsrechts
Multilevel pattern analysis---------------------------Association function: r.gSignificance level (alpha): 0.05Total number of species: 26Selected number of species: 6 Number of species associated to 1 group: 6
Group linksmain #sps. 5 stat p.value
JUR 0.404 0.047 *WIT 0.382 0.047 *IN2 0.376 0.045 *BAI 0.346 0.035 *GAI 0.332 0.018 *
Group rechtsmain #sps. 1 stat p.value
BAL 0.422 0.027 *
(alle Silex-Fotos: SCHARL 2007)
Folie 17/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches SilexrohmaterialRohmaterialvorkommen (SCHARL 2007, Abb. 14)5.3.3 Metagruppen-Indikatoren / gekreuzt
„typisch für Gruppe oder Gruppen-Kombination“
IndikatorenIndikatorenIndikatorenIndikatoren GruppenkombinationGruppenkombinationGruppenkombinationGruppenkombinationMultilevel pattern analysis
---------------------------Association function: IndVal.gSignificance level (alpha): 0.05Total number of species: 26Selected number of species: 6
Number of species associated to 1 groupto 1 groupto 1 groupto 1 group: 3 Group Lr #sps. 1
stat p.valueRIJ 0.917 0.004 **Group Ml #sps. 2
stat p.valueBUX 0.828 0.041 *GAI 0.818 0.035 *
Number of species associated to 2 groupsto 2 groupsto 2 groupsto 2 groups: 3 Group Ll+Lr #sps. 1
stat p.valueWIT 0.815 0.041 *Group Ml+Mr #sps. 2
stat p.valueARN 0.967 0.001 ***IN1 0.858 0.011 *
(alle Silex-Fotos: SCHARL 2007)
Folie 18/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
5.4. Fazit für Rohmaterial-Beispiel- „altbekannte“ Charakteristika werden erfasst
=> Methoden-Evaluation erfolgreich !
- Beobachtung regionaler Aufteilung bestätigt
- Begehungs-Inventare sind gute Daten
- zahlreiche Details (nur in Ausschnitten dargestellt)
- hier: Indikatoren sensu Leitfossil
(Gruppierung rohmaterialunabhängig)
MAIN
Neolithische SilexinventareWestfranken (SCHARL 2007, Abb. 1)
(alle Silex-Fotos: SCHARL 2007)
Verändert: Mainverlauf schematisch
Folie 19/23Georg Roth / Köln, Indikatortypen-Analyse
„Was wollte ich eigentlich sagen:…“
1. Indikator-Typen-Analysen sind je nach Ausgangslageeine vielversprechende Methodik (Gruppierung Typen-unabhängig)
eine sinnvolle objektiv beschreibende Ergänzung (Gr. Typen-abhängig)
2. Indikatoren sind für allgemeine Fragestellungen vielseitig verwendbar.
3. Kombinations-basierte Ansätze erschließen neues Konzept.
4. R-basierte Analysen garantieren leichte Nachvollziehbarkeit.
6. Kern-Aussagen
Folie 20/23Georg Roth / Köln, Indikatortypen-Analyse
Vielen Dank für Ihre Aufmerksamkeit !Georg Roth [email protected]
Für eigene Indikatoranalysen Software unter:http://cran.r-project.org/package=indicspecies
[R starten und Folgendes eingeben]> install.packages("indicspecies")> require(indicspecies)> vignette("indicspeciesTutorial")
Abendlicher Blick Dezember 2013 vom Cairo Tower Richtung Giza-Pyramiden
Folie 21/23Georg Roth / Köln, Indikatortypen-Analyse
Folie 22/23Georg Roth / Köln, Indikatortypen-Analyse
Literatur: Indikator-Typen -AnalysenM. De Caceres/P. Legendre, Associations between species and groups of sites: Indices and
statistical inference. Ecology 90, 2009, 3566–3574.
M. De Caceres/P. Legendre/M. Moretti, Improving indicator species analysis by combininggroups of sites. Oikos 119, 2010, 1674–1684.
M. De Caceres/P. Legendre/S. Wiser/L. Brotons, Using species combinations in indicator valueanalyses. Methods in Ecology and Evolution 3, 2012, 973–982.
M. De Caceres/Fl. Jansen, indicspecies: Studying the statistical relationship between speciesand groups of sites. R package version 1.6.7 (14-01-2013) [http://cran.r-project.org/package=indicspecies].
M. Dufrene/P. Legendre, Species assemblages and indicator species: the need for a flexible asymmetrical approach. Ecological Monographs 67, 1997, 345–366.
P. Legendre, Indicator Species: Computation. In: S. Levin (ed.), Encyclopedia of BiodiversityVol. 4 (2nd ed. 2013), 264-268.
R Core Team, R: A language and environment for statistical computing. R Foundation forStatistical Computing, Vienna, Austria (version 2.15.3.: 01-03-2013) <ISBN 3-900051- 07-0> [http://www.r-project.org].
Folie 23/23Georg Roth / Köln, Indikatortypen-Analyse
ad 5. Beispiel Neolithisches Silexrohmaterial
Daten der neolithischen Silexinventare aus Westfranken in
S. SCHARL, Die Silexrohstoffversorgung am Übergang vom Alt- zum Mittel-neolithikum im westlichen Franken (Diss. Berlin 2007), Anhang.
AltneolithikumTab. 4 Bandkeramische Fundstellen. Anzahl der Silices pro Fundstelle
MittelneolithikumTab. 5 Mittelneolithische Fundstellen. Anzahl der Silices pro Fundstelle.
Impressum (Vortragsumfang 20 Folien, Vortragsdauer 30 min):Indikator-Berechnungen, Vortragsfolien und alle nicht anderweitig ausge-wiesenen Abbildungen von Dr. Georg Roth (März 2014) [email protected]
Liebe Leserin,Lieber Leser,sollten Sie außer Anregungen auch Inhalte aus diesen Vortragsfolien ver-wenden, danke Ich Ihnen schon jetzt für den angemessenen Hinweis auf die bezeichneten Quellen und/oder meinen Vortrag sowie den Bezugsort.
Dr. Georg RothKöln, Rosenmontag 2014
Die Online-Stellung erfolgte durch und auf Wunsch des DCSB.