评估生态学中的模型选择显著性
应用统计
2020-04-17 v1
摘要
模型选择是许多生态学研究的关键部分，其中赤池信息量准则（Akaike's Information Criterion）是最常用的技术。通常，事先定义若干候选模型，并根据其期望的样本外表现进行排序。然而，模型选择仅评估模型的相对表现，并且正如最近一篇论文所指出的，大量使用模型选择的生态学论文并未评估“最佳”模型的绝对拟合。本文认为，仅评估“最佳”模型的绝对拟合还不够。这是因为一个在模型选择下表现良好的模型，即使在无预测价值时，也可能在绝对拟合度量下表现良好。我们提出了一种模型选择置换检验，用于评估“最佳”模型的模型选择统计量仅由偶然性导致的概率，同时考虑了模型间的依赖性。我们认为，在正式进行模型选择之前应始终执行该检验。该检验在意大利北部北山羊与挪威野生驯鹿的两个真实种群建模实例上进行了演示。
引用
@article{arxiv.2004.07583,
title = {Assessing the Significance of Model Selection in Ecology},
author = {Edward Wheatcroft},
journal= {arXiv preprint arXiv:2004.07583},
year = {2020}
}