.png){kind=icon}
返回
Constrained Bayesian estimation and predictive modeling for multivariate count data in ecology
.png){kind=icon}
OA
AI
DOI：10.1007/s10651-025-00677-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多变量相关计数数据的建模是许多科学学科中的基本挑战，包括生态学、流行病学和社会科学。标准方法，如泊松-对数正态模型，能够有效捕捉计数响应中的过度离散和依赖关系，但通常难以纳入在应用中自然出现的结构约束。一个重要例子是回归系数的和为1约束，它确保协变量效应被解释为组成关系，从而提高识别性和生态可解释性。本文提出了一种具有科学依据参数约束的分层泊松-对数正态模型。我们推导了约束最大似然估计量和贝叶斯估计量，并建立了理论条件，在这些条件下贝叶斯方法表现出更优越的性质。模拟研究证实，与无约束替代方法相比，该方法在估计效率和预测性能方面得到改进。该方法通过使用沙丘草甸物种组成数据集的生态案例研究进行展示，表明约束推断可以产生更具解释性的物种-环境关系和增强的预测精度。通过显式地整合领域驱动的约束，所提出的框架为多变量计数建模中的稳健推断提供了一种原则性且实用的方法论，适用于生态学和环境研究的广泛领域。
Keyword:
Bayesian estimation
Constrained inference
Multivariate count data
Poisson–lognormal model
Predictive inference
期刊
IF:
1.8
论文数:
1.0K
被引数:
1.1K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏The Poisson-Lognormal Model as a Versatile Framework for the Joint Analysis of Species AbundancesOAAI
OAAI分享收藏Linking multivariate trait variation to the environment: the advantages of double constrained correspondence analysis with the R package douconca将多变量性状变异与环境相联系：使用R包douconca进行双重约束对应分析的优势
OAAI
OAAI分享收藏
查看更多内容