空间自相关占据与丰度数据的有效自模型
摘要
自逻辑 (auto-logistic) 及相关自模型（近似实现为自协变量回归）提供了对空间依赖性的简单直接建模。自逻辑模型自 Augustin、Mugglestone 和 Buckland (J. Appl. Ecol., 1996, 33, 339) 采用混合估计方法（结合最大伪似然估计与缺失数据的 Gibbs 采样）分析红鹿普查数据以来，已在生态学中得到广泛应用。然而，Dormann (Ecol. Model., 2007, 207, 234) 质疑了自逻辑回归的有效性，并举例说明在分析模拟的"snouter"数据时似乎低估了协变量参数。Dormann 等人 (Ecography, 2007, 30, 609) 将此分析扩展至自泊松 (auto-Poisson) 和自正态 (auto-normal) 模型，报告了类似的异常。上述所有研究采用的邻域加权方案均不符合自模型有效性所需的条件 (Besag, J. R. Stat. Soc., Ser. B, 1974, 36, 192)；此外，自泊松分析未能排除协同相互作用。我们表明，通过正确实施自模型，所有"snouter"异常均可得到解决。对红鹿数据的重新分析表明，无效的邻域加权仅对整个数据集产生较小的估计误差，但在地理子样本上会产生较大误差。相当一部分将自逻辑回归应用于生态数据的论文使用了这些无效加权，而它们是 R 语言中广泛使用的"spdep"空间依赖性包的默认选项。使用无效邻域加权的自逻辑分析会在不同程度上产生错误。通过使用"spdep"中提供的有效邻域加权，可以轻松修正这些分析。针对缺失数据的混合估计方法易于适配有效的邻域加权方案，本文已在 R 中实现该方法，以应用于稀疏的存在 - 缺失数据。
引用
@article{arxiv.1501.06529,
title = {Valid auto-models for spatially autocorrelated occupancy and abundance data},
author = {David C. Bardos and Gurutzeta Guillera-Arroita and Brendan A. Wintle},
journal= {arXiv preprint arXiv:1501.06529},
year = {2015}
}
备注
Typos corrected in Table 1. Note that defaults in R package 'spdep' have changed in response to this paper; some results using defaults are therefore now version-dependent