بررسي عملكرد روش‌هاي گزينش متغير در مدلسازي توان توليد رويشگاه راش شرقي

Evaluating the performance of variable selection methods in modeling the site productivity of Oriental Beech (Fagus Orientalis Lipsky)

توان توليدي رويشگاه، معياري مهم براي مديران جنگل در خصوص پيش‌بيني مقدار توليد، بهره‌برداري مجاز سالانه، رويش و انتخاب مناسب‌ترين گونه‌هاي درختي براي يك رويشگاه است. در مطالعۀ حاضر قابليت پيش‌بيني مدل‌هاي آماري با به‌كارگيري روش‌هاي مختلف گزينش متغير براي ارتفاع غالب گونۀ راش به‌عنوان شاخصي از توان توليد رويشگاه نسبت به متغيرهاي خاك و فيزيوگرافي بررسي شده است. به اين منظور، 127 قطعه نمونه دايره‌اي به مساحت 1000 متر مربع در جنگل دانشگاه تربيت مدرس پياده و در هر يك از آنها ارتفاع غالب گونة راش اندازه‌گيري شد. عملكرد پنج روش گزينش متغير در رگرسيون خطي چندگانه (انتخاب گام‌به‌گام متغير با آزمون F و معيارهاي اطلاعاتي آكائيك و بيزين، بهترين زيرمجموعه‌ها با استفاده از معيارهاي اطلاعاتي آكائيك و بيزين) و روش رگرسيون درختي بررسي شد. به‌منظور مقايسۀ كارايي روش‌هاي يادشده، اعتبارسنجي متقابل با 2500 تكرار استفاده شد. نتايج نشان داد كه در بين پنج روش مبتني بر رگرسيون خطي چندگانه، اختلاف اندكي در قابليت پيش‌بيني وجود دارد. عملكرد روش‌هاي گام‌به‌گام مشابه الگوريتم‌هاي بهترين زيرمجموعه است و انتخاب معيارهاي مقايسۀ مدل‌ها (شامل معيار اطلاعاتي آكائيك، معيار اطلاعاتي بيزين يا آمارۀ F) تأثير اندكي بر قابليت پيش‌بيني دارد. در تحقيق حاضر، روش مبتني بر درخت رگرسيون، قابليت پيش‌بيني كمتري داشت. استدلال اين است كه بهترين روش انتخاب متغير وجود ندارد و هر يك از روش‌هاي مبتني بر رگرسيون كه در اين تحقيق استفاده شده، مي‌تواند مدل‌هاي پيش‌بيني مفيد را ايجاد كند..

Forest site productivity is an important criterion for forest managers. In this study, the predictability of statistical models was studied by applying various methods of variable selection for beech dominant height as an indicator of forest site quality in relation to edaphic and physiographic factors. For this purpose, 127 0.1 ha circular sample plots were established in the forests of Tarbiat Modares University and within each plot, the dominant height of beech trees was calculated. The performance of five variable selection methods was evaluated in multiple linear regression, and regression trees. In order to compare the performance of the above methods, Cross-validation, involving repeated splits of the dataset into training and validation subsets (2500 times) was used to obtain honest estimates of predictive ability. The results showed that there is little differences in the predictive ability of five methods based on multiple linear regression. Stepwise methods performed similarly to exhaustive algorithms for subset selection, and the choice of criterion for comparing models (Akaike’s information criterion, Schwarz’s Bayesian information criterion or F statistics) had little effect on predictive ability. In this study method based on regression trees yielded with substantially lower predictive ability. It is concluded that there is no best method of variable selection and that any of the regression-based approaches discussed here is capable of yielding useful predictive models.