在步进选择分析中如何考量行为状态：一项模型比较
统计方法学
2023-04-26 v1
摘要
步进选择模型被广泛用于基于运动数据研究动物的精细尺度生境选择。然而，资源偏好与运动模式可能依赖于动物未观测到的行为状态，如休息或觅食。标准（整合）步进选择分析（SSA, iSSA）忽略了这一点。尽管已有不同方法在分析中考量此类状态，但这些方法的性能以及忽略状态进行分析的后果却鲜有量化。我们评估了近期将隐马尔可夫链与 iSSA 结合于单一建模框架的思路。由此产生的马尔可夫切换整合步进选择分析（MS-iSSA）可对潜在行为状态及相应的状态依赖生境选择进行联合估计。在一项广泛的模拟研究中，我们将 MS-iSSA 与标准 iSSA 以及基于分类的 iSSA（即基于单独先验状态分类的两步法）进行比较。我们进一步通过一项针对同时追踪的堤岸田鼠（Myodes glareolus）精细尺度相互作用的案例研究阐释这三种方法。结果表明，当忽略潜在行为状态时，标准 iSSA 会因估计偏倚与不可靠的 p 值而导致错误结论。我们发现基于先验状态分类的 iSSA 同样如此，因为它们忽略了误分类与分类不确定性。另一方面，MS-iSSA 在参数估计与行为状态解码方面表现良好。为便于使用，我们在 GitHub 上可用的 R 包 msissa 中实现了 MS-iSSA 方法。
引用
@article{arxiv.2304.12964,
title = {How to account for behavioural states in step-selection analysis: a model comparison},
author = {Jennifer Pohle and Johannes Signer and Jana A. Eccard and Melanie Dammhahn and Ulrike E. Schlägel},
journal= {arXiv preprint arXiv:2304.12964},
year = {2023}
}
备注
Main manuscript with 23 pages and supplementary material with 26 pages