估计生态断点与预测区间的统计方法

生态变量之间的关系通常通过拟合穿过因变量条件均值的统计模型来获得。例如，非参数loess和参数化分段线性回归模型在给定预测变量的情况下穿过响应变量的条件均值，用于分析变量之间从简单到复杂的关系。我们使用loess和自助法置信区间来主观识别二元关系中潜在生态断点的数量和位置，并使用分段线性回归模型（PLRM）定量估计断点位置及相关精度。我们还使用分段线性分位数回归模型（PQRM）估计了断点位置和精度，该模型拟合给定预测变量下响应变量条件分布的分位数，在估计关系和断点方面提供了更丰富的信息。我们比较了PQRM相对于PLRM估计断点的精度。我们使用了生态学文献中怀疑表现出多个断点的两个例子来比较这些方法的精度：将鱼类生物完整性指数（湿地鱼类群落“健康”的指标）与湿地相邻流域的人类活动量相关联；以及将加拿大湖泊中蓝藻的生物量与总磷浓度相关联。两个数据集均检测到具有统计显著性的断点，划分出三个具有显著不同斜率的线段边界。我们推荐将分段线性分位数回归作为表征二元环境关系的有效手段，适用于散点代表自然环境变异而非测量误差的情况。