Add stepwise model selection

[slambrechts]

Poging toevoegen stepwise model selection om te testen welke fysicochemische variabelen best de voorspelde soortenrijkdom (observed) voorspellen samen met read count, landgebruikstype, diepte, en de interactie tussen landgebruik en diepte (basis model)

Resultaten

Condition	Sum of weights	N containing models
cond(Diepte)	1	384
cond(Landgebruik_MBAG)	1	384
cond(log(total_count))	1	320
cond(Diepte:Landgebruik_MBAG)	1	128
cond(BD)	1	320
cond(SWCvol)	0.95	320
cond(C_N_stockbased)	0.88	320
cond(pH_KCl)	0.79	320
cond(mv_mTAW)	0.34	320
cond(Cdensity)	0.34	320

Bovenop de variabelen uit het basismodel (Diepte, Landgebruik_MBAG, log(total_count), Diepte:Landgebruik_MBAG), wordt bulkdensiteit (BD) consistent geselecteerd in bijna alle modellen, wat erop wijst dat het waarschijnlijk cruciaal is voor het voorspellen van soortenrijkdom? Bulkdensiteit (BD) behouden in het model, tenzij het problemen met multicollineariteit veroorzaakt?

SWCvol, C_N_stockbased en pH_KCl lijken belangrijk te zijn, maar iets minder cruciaal in vergelijking met de verklarende variabelen uit het basismodel en bulkdensiteit? Deze variabelen behouden in het model?

mv_mTAW en Cdensity lijken op basis van deze resultaten minder goede verklarende variabelen te zijn, omdat ze een relatief lage invloed hebben op de modelresultaten. Deze variabelen verwijderen uit het model?

Volgende stappen

Model verfijnen?

1. Verwijderen variabelen met lage importance (Som of weights), model opnieuw runnen en prestatie van het aangepaste model vergelijken met het base model en full model?
2. check model, summary, anova, en plot predictions voor het finale model na verwijderen minder goed verklarende variabelen

[slambrechts]

@hansvancalster bedankt voor de aanpassingen. Kunnen we deze dan ook mergen of nog niet?

[hansvancalster]

@hansvancalster bedankt voor de aanpassingen. Kunnen we deze dan ook mergen of nog niet?
Ja ik zal het dadelijk doen

[slambrechts]

@hansvancalster ik besef dat voor Olig01 en Coll01 hier nog de input data gebruikt wordt waar OTUs van eenzelfde soort zijn samengevoegd voor de OTUs die we op naam hebben kunnen brengen op soortniveau. Bij nader inzien lijkt dat niet ideaal, want als er bijvoorbeeld een categorie is waar meer gekende soorten zijn gedetecteerd (e.g. natuurgrasland) dan in andere LU categoriën, dan worden deze samengevoegd, terwijl de OTUs die we niet tot op soortniveau op naam hebben kunnen brengen apart worden geteld, waardoor de overall species richness count voor deze LU categorie naar beneden gaat tov de categoriën waar (eventueel) minder gekende soorten gedetecteerd zijn.

Ik weet niet of je de html al hebt gereknit, maar we zullen dus de data in

G:/Gedeelde drives/PRJ_MBAG/4c_bodembiodiversiteit/data/statistiek/dataframe_overkoepelend/mbag_combined_dataframe_v2.csv

updaten voor Olig01 en Coll01

[slambrechts]

@hansvancalster ik besef dat voor Olig01 en Coll01 hier nog de input data gebruikt wordt waar OTUs van eenzelfde soort zijn samengevoegd voor de OTUs die we op naam hebben kunnen brengen op soortniveau. Bij nader inzien lijkt dat niet ideaal, want als er bijvoorbeeld een categorie is waar meer gekende soorten zijn gedetecteerd (e.g. natuurgrasland) dan in andere LU categoriën, dan worden deze samengevoegd, terwijl de OTUs die we niet tot op soortniveau op naam hebben kunnen brengen apart worden geteld, waardoor de overall species richness count voor deze LU categorie naar beneden gaat tov de categoriën waar (eventueel) minder gekende soorten gedetecteerd zijn.

Ik weet niet of je de html al hebt gereknit, maar we zullen dus de data in

G:/Gedeelde drives/PRJ_MBAG/4c_bodembiodiversiteit/data/statistiek/dataframe_overkoepelend/mbag_combined_dataframe_v2.csv

updaten voor Olig01 en Coll01

opgelost

[slambrechts]

@hansvancalster waarom zit swc_vol hier 2 keer in het extended / full model? Of is dat een foutje?

[hansvancalster]

dat lijkt me een foutje

[hansvancalster]

wel eentje dat geen gevolgen zal hebben vermoedelijk

[slambrechts]

wel eentje dat geen gevolgen zal hebben vermoedelijk

Dit lijkt te kloppen, ik zie in de output na #41 voorlopig geen verschil