利用 Polya-Gamma 方案对大型占据数据进行快速贝叶斯推断
应用统计
2021-08-02 v1
摘要
近年来，物种出现的研究受益于大规模公民科学数据可用性的提升。尽管来自标准化监测方案的丰度数据偏向于研究充分的类群与地点，但机会性数据可用于许多分类群、大量地点以及长时间尺度。因此，这些数据提供了衡量物种出现变化的机会，特别是通过使用占据模型，其考虑了不完美探测。然而，现有贝叶斯占据模型在应用于大型公民科学数据集时极其缓慢。在本文中，我们提出一种用于占据模型中快速贝叶斯推断的新框架，该框架同时考虑空间与时间自相关。我们在逻辑回归框架内表达占据与探测过程，这使我们能够使用 Polya-Gamma 方案快速高效地执行推断，即便对于非常大的数据集也是如此。空间与时间随机效应使用高斯过程建模，使我们能从数据推断时空自相关的强度。我们将模型应用于来自“新千年蝴蝶”数据库的两种英国蝴蝶（一种常见且广布，一种稀有）的数据，生成跨越 45 年的占据指数。我们的框架可应用于广泛的分类群，提供物种出现变化的度量，用于评估生物多样性变化。
引用
@article{arxiv.2107.14656,
title = {Fast Bayesian inference for large occupancy data sets, using the Polya-Gamma scheme},
author = {Alex Diana and Emily Dennis and Eleni Matechou and Byron Morgan},
journal= {arXiv preprint arXiv:2107.14656},
year = {2021}
}