Statistik im Monitoring - Trends und Korrelationen erkennen
„Es sieht aus, als ob es steigt” genügt nicht - im Monitoring lohnt es sich, zahlenmäßig zu prüfen, ob ein Trend real ist und ob die Indikatoren tatsächlich verknüpft sind. Dafür braucht es keine fortgeschrittene Statistik; ein paar bewährte Methoden und das Bewusstsein für typische Fallstricke genügen.
Gibt es einen Trend
- Der Mann-Kendall-Test - ein beliebter, nichtparametrischer Trendtest, der Umweltdaten gut verträgt (er erfordert keine Normalverteilung und kommt mit Ausreißern zurecht).
- Der Sen-Anstieg - ein gegenüber Extremwerten robustes Maß für die Rate der Veränderung.
Zusammen beantworten sie die Fragen „steigt/fällt es” und „wie schnell”.
Sind die Indikatoren verknüpft
- Pearson-Korrelation - ein linearer Zusammenhang,
- Spearman-Korrelation - ein monotoner (Rang-)Zusammenhang, robuster gegenüber Extremwerten.
Sie helfen z. B. zu bestätigen, dass der Sauerstoff mit steigender Temperatur fällt oder dass die Trübung nach Niederschlag steigt (siehe Verknüpfung mit öffentlichen Daten).
Die häufigsten Fallstricke
- Saisonalität, die einen Trend vortäuscht - entferne oder berücksichtige zuerst den Jahresrhythmus (siehe Zeitreihen).
- Autokorrelation - aufeinanderfolgende Messungen können von den vorherigen abhängen; sie überhöht die „Signifikanz”.
- Korrelation ≠ Ursache - ein Zusammenhang zweier Indikatoren beweist nicht, dass der eine den anderen auslöst.
- Lücken und Werte unter der Schwelle - sie beeinflussen die Ergebnisse; man muss sie bewusst behandeln.
Womit man es berechnet
Einfache Analysen erstellst du in Excel, vollständigere in R oder STATISTICA - der Schlüssel sind gut vorbereitete Daten.
In der Praxis
Der Ausgangspunkt ist eine geordnete, kontinuierliche Reihe. In LimnoLog ordnen sich die Messungen sofort zu Diagrammen (mit einem Vergleich der Saisons), was eine vorläufige Beurteilung des Trends und der Zusammenhänge erlaubt, und für schwerere Statistik exportierst du die Daten bereit zur Verarbeitung.
← Wissensdatenbank