Tutti le analisi statistiche del presente lavoro sono state effettuate mediante il programma SPSS 17.0.0 (2008).
Le sole analisi relative alla stima delle potenze dei test sono state effettuate mediante il software open source GPOWER (versione3.1.5).
Nel presente elaborato, anche in relazione alla grande mole di dati, sono stati utilizzati diversi test statistici, nel tentativo di descrivere e mettere in evidenza le più importanti caratteristiche trofiche e ambientali che caratterizzano le aree in cui la presenza dello sciacallo è stata accertata. Nello Specifico abbiamo utilizzato:
1) Test Z di Kolmogorov-Smirnov. La distribuzione dei dati di tutte le variabili fino a qui descritte sono stati sottoposti al test di Kolmogorov-Smirnov al fine di verificare la normalità (SPSS 17.0-> Analysize-> Descriptive Statistics->Explore->Plots-> Nortmality plots with test).
2) Confronti tra medie. Tutte le variabili descritte come ad esempio la coperture degli habitat e dei macroambienti, le caratteristiche geomorfologiche ( altitudine, rugosità), gli indici di frammentazione, gli indici di disponibilità trofica, le densità del reticolo idrografico e stradale sono state calcolate per singolo quadrante monitorato. Successivamente si è preceduto a confrontare i quadranti in cui la presenza della nostra specie target è stata accertata con i restanti quadranti monitorati con il T test (SPSS 17.0-> Analysize-> Compare Means-> Indipendents- Samples T Test), in presenza di una distribuzione dei dati parametrica, o con il Mann-Whitney U test (SPSS 17.0-> Analysize->Nonparametrics Tests-> 2 Indipendents- Samples-> Mann-Whitney U test), quando la distribuzione dei dati è risultata essere non normale.Mediante il T-Test ed il Mann Whitney U test sono stata verificate, per ogni variabile ambientale presa in considerazione, le ipotesi:
H0: I quadranti (o buffer) con presenza di sciacalli sono = ai quadranti (o buffer)in cui la presenza degli sciacalli non è stata accertata.
H1: I quadranti (o buffer)con presenza di sciacalli sono ≠ dai quadranti (o buffer) in cui la presenza degli sciacalli non è stata accertata.
3) Analisi della Power: Le variabili in cui l’analisi delle medie non hanno mai rilevato differenze statisticamente rilevanti, sono state sottoposto ad analisi formale della potenza dei Test. La potenza di un Test è utile per verificare la possibilità di un test di incorrere nell’errore che si compie quando un’ipotesi alternativa è vera ma la conclusione del test è
81
quella che non è possibile escludere l’ipotesi nulla, ovvero, l’errore che si compie non rifiutando un’ipotesi nulla falsa. Questo errore in statistica è chiamato errore di tipo II. La probabilità di commettere un errore di secondo tipo viene generalmente indicato con il simbolo β. La probabilità complementare, (1-β), ossia la probabilità di rifiutare correttamente un ipotesi nulla falsa, si chiama potenza del test. Maggiore è la potenza di un test, maggiore sarà la possibilità del test di identificare come corretta l’ipotesi alternativa quando questa è effettivamente vera.
4) Analisi della varianza: Le differenze tra le Macroaree sono state testate attraverso l'analisi della varianza non parametrica di Kruskall-Wallis (SPSS 17.0-> Analysize-> Nonparametrics Tests-> K Indipendents- Samples-> Kruskall-Wallis H test).
Mediante il test di Kruskall-Wallis sono stata verificate, per ogni variabile ambientale presa in considerazione, le ipotesi:
H0: Le 6 macrozone analizzate non differiscono tra loro per i valori degli indici ambientali relativi agli habitat e alle macracotegorie ambientali.
H1: Le 6 macrozoneprese in considerazione differiscono differiscono tra loro per i valori degli indici ambientali relativi agli habitat e alle macracotegorie ambientali.
2.5.1Il Modello logistico di selezione delle risorse ambientali.
Vista la natura binaria dei nostri dati (presenza accertata/presenza non accertata della specie
target), abbiamo optato per l’Analisi di Regressione Logistica Binaria (ARLB) al fine di
selezionare le variabili ambientali che meglio sono in grado di descrivere le caratteristiche ambientali correlate alla presenza della nostra specie target. Questo modello ha il vantaggio di includere un numero di variabili molto ridotto rispetto a quello di una funzione discriminante formulata sugli stessi casi. Per selezionare le variabili che contribuiscono all’equazione del modello logistico, è stata utilizzata la procedura forward stepwise (SPSS-> Regression-> Binary logistic-> Forward stepwise method), che comporta, dato un insieme di n variabili indipendenti (variabili ambientali), l’aggiunta successiva e sequenziale di ciascuna variabile al modello, in una serie di passaggi iterativi. Poiché usando la procedura stepwise nel modello logistico posso essere incluse variabili correlate tra loro, sono stati individuati sottogruppi di variabili non correlate (P > 0,05), grazie al calcolo di una matrice di correlazione di Spearman. La procedura è stata eseguita per blocchi di variabili omogenee (copertura del suolo; macro-categorie ambientali; indici di eterogeneità; indici di biomassa; indici di prede potenziali, indici geomorfologici). Le attendibilità dei vari modelli sono state confrontate
82
mediante il criterio di Akaike (AIC, Akaike Information Criterion; Akaike, 1973), utilizzando più precisamente il valore dell’AIC corretto (AICc), il cui uso è consigliato nel caso la numerosità sia n/k < 40 (dove k è il numero di parametri del modello) (Anderson et al., 2000; Massolo e Meriggi, 2007; Meriggi et al., 2010).
Nel presente lavoro sono stati creati dei modelli spaziali (sulla base dei quadranti), con il metodo sopraindicato, per ogni macrozona in cui è stata accertata la presenza degli sciacalli, oltrechè per l’intera area di studio. Le variabili risultate significative nelle selezionate dei singoli modelli nelle singole macrozone, sono successivamente state utilizzate per creare un modello globale dell’intera area di studio.
Sempre con la stessa procedura sono stati creati anche 4 modelli scalari (uno per ogni categoria di buffer) tenendo conto unicamente delle variabili relative agli habitat Corine di copertura del suolo e delle macro-categorie ambientali.
83
84