在生态位建模中引入AIC模型平均：一种用于考量适宜性预测不确定性的单算法多模型策略
定量方法
2018-07-13 v1 种群与进化
摘要
目的：Akaike信息准则（AIC）被广泛应用于科学中，基于按Akaike权重加权的整个模型集对复杂现象进行预测。该方法（AIC模型平均；下文称AvgAICc）通常优于基于单一模型选择的替代方法。令人惊讶的是，AvgAICc尚未被引入生态位建模（ENM）。我们旨在将AvgAICc引入ENM背景，既作为调优模型参数的分析中的最优性准则，也作为一种多模型预测策略。创新：AvgAICc方法的结果在模型复杂度、环境变量贡献以及目标物种适宜条件的预测量与地理分布方面，不同于替代方法。AvgAICc方法的两个理论性质或可证明未来研究偏好其而非替代方法：（1）它不限于基于单一模型进行预测，还使用可能在给定单一模型（被替代最优性准则青睐）中缺失的重要预测能力的次要模型；（2）它平衡拟合优度与模型精度，这在需要模型转移的ENM应用中至关重要。主要结论：我们将AvgAICc方法引入ENM；其理论性质预期赋予相对于替代方法的优势；以及我们比较AvgAICc方法与替代方法时所发现的差异；应最终促成AvgAICc方法的更广泛应用。我们的工作也应促进进一步的方法论研究，比较AvgAICc方法相对于替代方法的性质。
引用
@article{arxiv.1807.04346,
title = {Introducing AIC model averaging in ecological niche modeling: a single-algorithm multi-model strategy to account for uncertainty in suitability predictions},
author = {Eliecer E. Gutierrez and Neander M. Heming},
journal= {arXiv preprint arXiv:1807.04346},
year = {2018}
}