使用带惩罚的回归混合进行多物种分布建模

多物种分布建模将多个物种的出现与环境变量相关联，是生态学家用于预测群落中物种分布及识别驱动物种共现的重要变量的重要工具。最近，Dunstan, Foster 和 Darnell [Ecol. Model. 222 (2011) 955-963] 提出使用有限回归混合（FMR）模型进行多物种分布建模，其中物种根据其环境响应进行聚类，以形成少数几种“原型响应”。作为说明性示例，他们将混合模型方法应用于在澳大利亚大堡礁收集的 200 种海洋生物的存在-缺失数据集。然而，模型选择问题很少受到关注——由于原型（混合分量）可能依赖于不同但可能重叠的协变量集，因此需要一种同时对所有分量进行变量选择的方法。在本文中，我们考虑在 FMR 模型中使用带惩罚的似然函数进行变量选择。我们提出了两种惩罚，利用了协变量的分组结构，即每个协变量由一组系数表示，每个分量一个。这导致了一种具有吸引力的收缩形式，允许同时从所有分量中移除协变量。两种惩罚均被证明具有特定形式的变量选择一致性，模拟表明它们优于不考虑分组结构的其他方法。当应用于大堡礁数据集时，带惩罚的 FMR 模型对驱动海洋群落中物种共现的重要变量提供了更多见解（与之前未进行模型选择的结果相比），同时通过正则化提供了一种计算稳定的建模复杂物种-环境关系的方法。