线性随机状态空间模型的可识别性及其在生态学中的应用
统计方法学
2025-08-13 v1 种群与进化
摘要
状态空间模型是由一个潜在过程和一个观测过程定义的动态系统。在生态学中，离散时间随机状态空间模型最常用于描述种群规模或动物移动的不完全观测动态。然而，多项研究在将状态空间模型拟合到模拟或真实数据时观察到可识别性问题，目前尚不清楚这些问题是由于数据限制还是更根本的模型不可识别性所致。为了研究这种理论可识别性，需要一个合适的详尽概要，其定义为一个完全决定模型的参数组合向量。以往关于详尽概要的工作使用了随机过程的期望，因此噪声参数未被考虑。在本文中，我们利用观测过程的谱密度构建了一个详尽概要，它完全考虑了所有均值和方差参数。我们将此诊断方法应用于对比鲜明的生态模型，并表明它们通常是理论上可识别的，除非某些模型组分未被观测。这表明在拟合模型时遇到的问题主要源于实际可识别性。
引用
@article{arxiv.2508.08714,
title = {Identifiability of linear stochastic state-space models with application to ecology},
author = {Frederic Barraquand and Julien Gibaud},
journal= {arXiv preprint arXiv:2508.08714},
year = {2025}
}