空间自相关占用和丰度数据的有效自动模型
摘要：自动logistic模型及相关自动模型实现了空间依赖的简单直接建模。自动logistic模型自1996年Augustin, Mugglestone和Buckland(J. Appl. Ecol., 1996, 33, 339)分析红鹿普查数据以来，在生态学领域广泛应用，使用了混合估计方法，将最大伪似然估计与Gibbs采样相结合。然而，Dormann (Ecol. Model., 2007, 207, 234)对自动logistic回归的有效性提出了质疑，并给出了在模拟的"snouter"数据分析中协变参数出现明显低估的例子。Dormann等人(Ecography, 2007, 30, 609)将此分析扩展到自动泊松和自动正态模型，并报道类似的异常情况。以上研究都使用了与自动模型的有效性条件(Besag, J. R. Stat. Soc., Ser. B, 1974, 36, 192)不一致的邻域加权方案；此外，自动泊松分析未排除合作相互作用。我们表明，通过正确实施自动模型可以解决所有"snouter"异常。对红鹿数据的重新分析表明，无效的邻域加权仅对完整数据集生成小的估计误差，但地理子样本上会产生更大的误差。在应用自动logistic回归分析生态学数据的大部分论文中，使用了这些无效的邻域加权，这些加权是R中广泛使用的"spdep"空间依赖包的默认选项。使用无效邻域加权的自动logistic分析将会产生各种程度的错误。通过使用"spdep"中提供的有效邻域加权可以轻松纠正这些分析。针对稀疏存在-缺席数据的有效邻域加权，可以很容易地将混合估计方法用于正确的邻域加权方案，并在此处实施R。
作者：David C. Bardos, Gurutzeta Guillera-Arroita and Brendan A. Wintle
论文ID：1501.06529
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2015-05-01