Blocking-Eigenschaften in Europa im Klimawandel

<p>Blockierungslagen können zu extremen Wettersituationen führen, wie zum Beispiel zu Hitzewellen oder zu Starkregenereignissen. Grundsätzlich können zwei Typen von Blockierungen unterschieden werden: High-over-Low und Omega. Die Punktwirbeltheorie und die kinematische Vorticity-Zahl erlauben eine neuartige automatisierte Differenzierung dieser beiden Typen. Basierend auf der NCEP-2 Reanalyse untersuchen wir Auftrittswahrscheinlichkeiten für und Übergangswahrscheinlichkeiten zwischen diesen zwei Blockierungstypen und nicht-blockierten Zuständen für den Zeitraum 1990 bis 2019 im Europäischen Raum. Logistische Regression und Markov-Modelle mit zwei und drei Zuständen beschreiben die Änderungen der Auftritts- und Übergangswahrscheinlichkeiten.</p> <p>Während jährliche Auftrittswahrscheinlichkeiten für Blockierungen (ohne Unterscheidung zwischen Omega und High-over-Low) nur einen schwachen Trend zeigen, sehen wir vereinzelt stärke Trends für saisonale und monatliche Auftrittswahrscheinlichkeiten; insbesondere ist für Februar und März ein Anstieg und für Dezember ein Abfall über die Untersuchungsperiode zu erkennen. Die Möglichkeit der Aufspaltung in die oben genannten zwei Blockierungstypen  zeigt, dass die Omega-Blockierungen einen dominanten Beitrag zu den Änderungen im Februar und Dezember zeigen.</p> <p>Aus der Beschreibung der Übergangswahrscheinlichkeiten mit einem Markov-Modell mit drei Zuständen (High-over-Low, Omega, nicht blockiert) zeichnet sich eine größer werdende Auftrittswahrscheinlichkeit und Stabilität für Omega-Blockierungen im Vergleich zu High-over-Low ab. Außerdem lassen sich für die Studienperiode Änderungen in den Übergangswahrscheinlichkeiten im Sommer erkennen, wobei insbesondere die Übergänge hin zu den Omega-Blockierungen wahrscheinlicher werden und nicht-blockierte Situationen weniger lange anhalten.</p>

Einfluss atmosphärischer Umgebungsbedingungen auf den Lebenszyklus konvektiver Zellen im Nowcasting

<p>Trotz signifikanter Verbesserungen in den vergangenen Jahren sind die Unsicherheiten insbesondere bei der Vorhersage von Gewittern und ihren Begleiterscheinungen wie Starkregen, Hagel oder Sturmböen selbst mit konvektionsauflösenden Wettervorhersagemodellen der Wetterdienste noch immer zu groß, um daraus verlässliche und möglichst punktgenaue Warnungen abzuleiten. Für kurzfristige Präventionsmaßnahmen bis hin zur Evakuierung von Menschen beispielsweise bei Veranstaltungen im Freien sind präzise Vorhersagen auf kurzen Zeitskalen jedoch unerlässlich. Mit den Verfahren der Echtzeit-Vorhersage (Nowcasting) lassen sich Gewitterereignisse und ihre wesentlichen Merkmale identifizieren und aus der Kenntnis der Historie für Zeitskalen von einigen Minuten bis zu wenigen Stunden extrapolieren beziehungsweise vorhersagen. Die üblicherweise kurze Lebensdauer konvektiver Ereignisse und deren schnelle Entwicklung während instabiler Wetterlagen führen jedoch oftmals zu einer erheblichen Diskrepanz zwischen den Nowcasting-Vorhersagen und den beobachteten Wetterbedingungen. Hier besteht folglich ein großes Verbesserungspotential.</p> <p>Präsentiert wird eine Analyse der Lebenszyklen von konvektiven Zellen in Deutschland, welche die vorherrschenden atmosphärischen Bedingungen miteinbezieht. Außerdem werden verschiedene statistische Modelle zur Abschätzung der Lebensdauer und Größe konvektiver Zellen im Sinne des Nowcastings vorgestellt. Ein Vergleich dieser Modelle ermöglicht es zu beurteilen, welche Methode am besten geeignet ist, Nowcasting-Verfahren für Warnmanagementsysteme von Wetterdiensten zu verbessern.</p> <p>Unter Verwendung von Daten des radarbasierten Zellverfolgungsalgorithmus KONRAD des Deutschen Wetterdienstes (DWD) wurden objektbasierte Lebenszyklen von isolierter Konvektion (Einzel- und Superzellen) für die Sommerhalbjahre 2011-2016 analysiert. Zusätzlich wurde eine Vielzahl konvektionsrelevanter atmosphärischer Variablen (z.B. Deep Layer Shear, CAPE, Lifted Index), die mittels hochauflösender COSMO-EU Assimilationsanalysen berechnet wurden, mit den Lebenszyklen kombiniert. Auf der Grundlage dieses kombinierten Datensatzes werden statistische Zusammenhänge zwischen verschiedenen Zellattributen und atmosphärischen Variablen diskutiert. Wie die Analysen zeigen, sind insbesondere Maße der vertikalen Windscherung aufgrund ihres Einflusses auf die Organisationsform der Zellen geeignet, zwischen solchen mit kurzer und langer Lebensdauer zu unterscheiden. Erhöhte thermische Instabilität ist mit einem schnelleren anfänglichen Zellwachstum verbunden, was eine größere horizontale Zellexpansion (Zellfläche) während des Lebenszyklus und indirekt eine längere Lebensdauer begünstigt.</p> <p>Drei verschiedene multivariate Methoden (logistische Regression, <em>Random Forest</em>, nichtlinearer polynomialer Ansatz) wurden als statistische Modelle zur Schätzung der Lebensdauer und der maximalen Zellfläche konvektiver Zellen unter Verwendung eines Ensemble-Ansatzes untersucht ("Überwachtes Maschinelles Lernen"). Die Vorhersagegüte der Modelle wurde mittels probabilistischer Evaluation bewertet und die Bedeutung der anfänglichen Zellentwicklung und der atmosphärischen Variablen für den weiteren Verlauf des Lebenszyklus quantifiziert. Es werden Potentiale und Grenzen der drei Methoden aufgezeigt, die verdeutlichen, dass die Wahl einer geeigneten Methode von dem genauen Nowcasting-Problem bzw. der Anforderung abhängt. Die Untersuchungen legen nahe, dass die maximale Zellfläche konvektiver Zellen besser abgeschätzt werden kann als ihre Lebensdauer. Atmosphärische Variablen, die den dynamischen und thermodynamischen Zustand der Atmosphäre charakterisieren, sind zu Beginn der Zellentwicklung besonders wichtig für die Abschätzung der zukünftigen Entwicklung der Zellattribute, während mit zunehmendem Zellalter die Zellhistorie immer relevanter wird.</p>

Prädiktoren für die Inanspruchnahme unterschiedlicher Leistungen zur Teilhabe am Arbeitsleben: Ein Vergleich von Integrationsmaßnahmen, Teilqualifizierungen und Vollausbildungen

Zusammenfassung Ziel der Studie Leistungen zur Teilhabe am Arbeitsleben sind ein wesentlicher Bestandteil der rehabilitativen Maßnahmen der gesetzlichen Rentenversicherung und sind immer dann indiziert, wenn gesundheitsbedingte Einschränkungen die Erwerbsfähigkeit bedrohen. Es gibt verschiedene Arten von Leistungen zur Teilhabe am Arbeitsleben, die sich hinsichtlich Inhaltes, Struktur, Dauer, Betreuungsintensität und Kosten voneinander unterscheiden. Ziel der Studie war es, Merkmale von Rehabilitanden zu identifizieren, die die Inanspruchnahme unterschiedlicher Leistungen zur Teilhabe am Arbeitsleben charakterisieren. Methodik In die Beobachtungsstudie wurden alle Versicherten der Deutschen Rentenversicherung Baden-Württemberg mit einbezogen, die in den Jahren 2009 bis 2014 im kooperierenden Berufsförderungswerk eine Integrationsmaßnahme, eine Teilqualifizierung oder eine Vollausbildung absolviert hatten. Um Hinweise auf die Prädiktoren der Inanspruchnahme der 3 unterschiedlichen Leistungen zu erhalten, wurde eine multinomiale logistische Regression mit der Zielgröße Maßnahmenart berechnet. Als potenzielle Einflussgrößen wurden soziodemografische Merkmale sowie verschiedene Parameter, die den Erwerbsstatus der Rehabilitanden im Vorjahr der Maßnahmen abbilden, in das Modell mit aufgenommen. Ergebnisse In die Analysen wurden insgesamt 934 Rehabilitanden einbezogen, die eine Integrationsmaßnahme (n=443), eine Teilqualifizierung (n=315) oder eine Vollausbildung (n=176) absolviert haben. Im finalen logistischen Regressionsmodell erwiesen sich Geschlecht (p<0,0001), Alter (p<0,0001), Schulabschluss (p=0,0033), Besitz eines Führerscheins (p<0,0001), Umzugsbereitschaft (p=0,0012), der Antrag auf Anerkennung einer Schwerbehinderung (p=0,0404) sowie die Beitragsart im dritten Monat vor Maßnahmenbeginn (p=0,0020) als signifikante Prädiktoren für die Inanspruchnahme. Schlussfolgerung Die umfangreicheren und kostenintensiveren Vollausbildungen werden im Vergleich zu Integrationsmaßnahmen eher von jüngeren, männlichen, schulisch höher qualifizierten und vor der Maßnahme im Erwerbsleben stehenden Rehabilitanden in Anspruch genommen. Entsprechendes gilt teilweise und mit kleineren Effekten auch für die Teilqualifizierungen.

Externe Validierung einer Single-Item Skala zur Erfassung der Motivation zum Rauchstopp

Zusammenfassung. Zielsetzung: Die Motivation to Stop Scale (MTSS) ist eine englischsprachige Single-Item Skala zur Vorhersage von Rauchstoppversuchen. Ziel dieser Arbeit war die externe Validierung der deutschsprachigen Version der MTSS (Motivation zum Rauchstopp Skala, MRS) an einer Stichprobe von aktuell Tabakrauchenden in Deutschland. Methodik: Datenbasis war die Deutsche Befragung zum Rauchverhalten (DEBRA), eine deutschlandweite, persönlich-mündliche Haushaltsbefragung von Personen ab 14 Jahren mit telefonischer Nachbefragung nach 6 Monaten. Analysiert wurden Daten aus den ersten 18 Wellen (Juni 2016–Mai 2019) von 767 aktuell Tabakrauchenden. Die MRS (Stufe 1–7 = keine bis höchste Motivation) wurde bei der Erstbefragung eingesetzt. Bei der Nachbefragung wurde die Anzahl der Rauchstoppversuche seit Erstbefragung erfasst. Logistische Regression wurde durchgeführt und die diskriminative Genauigkeit der MRS mittels Area Under the Receiver Operating Characteristic Curve (ROC-AUC) berechnet. Ergebnisse: Bei Erstbefragung waren 61,1 % ( n = 469; 95 % Konfidenzintervall (KI) = 57.7–64.6) der 767 Rauchenden nicht zum Rauchstopp motiviert (MRS-Stufe 1–2). Insgesamt unternahmen 185 der 767 Rauchenden (24,1 %; 95 % KI = 21.1–27.1) zwischen der Erst- und Nachbefragung mindestens einen Rauchstoppversuch. Mit steigender Motivationsstufe auf der MRS nahm die Wahrscheinlichkeit für einen Rauchstoppversuch zu: Odds Ratio = 1.37, 95 % KI = 1.25–1.51, bei einer diskriminativen Genauigkeit von ROC-AUC = 0.64. Schlussfolgerung: Die MRS ist ein kurzes und valides Messinstrument zur Erfassung der Rauchstoppmotivation im deutschen Sprachraum.

Klassifikation

ZusammenfassungIn diesem Kapitel geht es darum, die logistische Regression als Klassifikationsmethode zu verwenden. Der Unterschied zwischen Trainings- und Testdaten wird erklärt. Um die Güte des Klassifikators abschätzen zu können, wird zunächst die Fehlerrate und die confusion matrix besprochen. Anschließend wird dieses Thema mit der ROC-Kurve vertieft.

Ausblick

ZusammenfassungIm Ausblick geht es um die Überprüfung der Modellannahmen und häufige Probleme der logistischen Regression. Zusätzlich wird darauf eingegangen, wie die logistische Regression auf mehr als zwei Klassen erweitert werden kann.

Das logistische Regressionsmodell

ZusammenfassungDas lineare Regressionsmodell wird zu Kapitelbeginn als zweistufiges Modell neu interpretiert. Darauf aufbauend wird das logistische Regressionsmodell äquivalent als Modell für binäre Zielgrößen eingeführt. Dabei wird gezeigt, dass die logistische Regression ein Spezialfall der verallgemeinerten linearen Modelle (GLM) ist. Als wichtige Komponenten solcher Modelle werden Verteilung, Erwartungswert, linearer Prädiktor und Linkfunktion besprochen. Als Alternative zu dieser Herangehensweise wird die logistische Regression als latentes Variablenmodell vorgestellt. Anschließend wird die Interpretation der Modellparameter auf der Skala der Log-Odds, Odds und Wahrscheinlichkeit ausführlich besprochen. Den Abschluss bildet ein kurzer Ausblick auf Modelle mit mehreren Variablen und Methoden der Parameterschätzung bzw. Inferenz.

Logistische Regression in R

ZusammenfassungIn diesem Kapitel wird illustriert, wie die bis jetzt gelernten Konzepte mit der Statistiksoftware R umgesetzt werden können. Anhand eines Beispiels wird gezeigt, wie ein Modell ausgehend von Daten geschätzt werden kann. Anschließend wird die Effektstärke inkl. Vertrauensintervall auf der Skala der Log-Odds und der Odds bestimmt. Es folgen Vorhersagen auf der Skala der Log-Odds, der Odds und der Wahrscheinlichkeit. Den Abschluss bildet die effiziente Bearbeitung von gruppierten Daten.