[論文レビュー] An introduction to state-space modeling of ecological time series

Marie Auger‐Méthé, Ken B. Newman+9 more|arXiv (Cornell University)|Feb 5, 2020

Gaussian Processes and Bayesian Inference参考文献 5被引用数 13

ひとこと要約

本稿は、生態的時系列解析のための柔軟なフレームワークとして、状態空間モデル（SSMs）を導入し、生物的確率的変動と観測誤差を分離することで推定を改善する。本稿は、SSMsの定式化、適合、検証に関する包括的なレビューとRベースのチュートリアルを提供し、初心者向けの基礎知識から熟練者向けの高度なツールまで網羅する。

ABSTRACT

State-space models (SSMs) are an important modeling framework for analyzing ecological time series. These hierarchical models are commonly used to model population dynamics and animal movement, and are now increasingly being used to model other ecological processes. SSMs are popular because they are flexible and they model the natural variation in ecological processes separately from observation error. Their flexibility allows ecologists to model continuous, count, binary, and categorical data with linear or nonlinear processes that evolve in discrete or continuous time. Modeling the two sources of stochasticity separately allows researchers to differentiate between biological stochasticity (e.g., in birth processes) and imprecision in the sampling methodology, and generally provides better estimates of the ecological quantities of interest than if only one source of stochasticity is directly modeled. Since the introduction of SSMs, a broad range of fitting procedures have been proposed. However, the variety and complexity of these procedures can limit the ability of ecologists to formulate and fit their own SSMs. In addition, many SSM users are unaware of the potential estimation problems they could encounter, and of the model selection and validation tools that can help them assess how well their models fit their data. In this paper, we present a review of SSMs that will provide a strong foundation to ecologists interested in learning about SSMs, introduce new tools to veteran SSM users, and highlight promising research directions for statisticians interested in ecological applications. The review is accompanied by an in-depth tutorial that demonstrates how SSMs models can be fitted and validated in R. Together, the review and tutorial present an introduction to SSMs that will help ecologists to formulate, fit, and validate their models.

研究の動機と目的

• 生態学者が生態的時系列に状態空間モデル（SSMs）を理解し、適用できる明確な基盤を提供すること。
• SSMの適合手順の複雑さと多様性が、モデルの定式化と応用を妨える問題に対処すること。
• SSMにおける一般的な推定問題と、モデル選択・検証のためのツールを強調すること。
• 初心者および熟練者向けに、Rを用いたSSMの効果的な適合と検証のガイドを提供すること。
• SSMの生態的応用に取り組む統計学者のための有望な研究方向性を特定すること。

提案手法

• 階層ベイズモデルの枠組みを用い、プロセス誤差（生物的確率的変動）と観測誤差（測定の不正確さ）を分離する。
• 連続的、カウント、バイナリ、カテゴリカルなデータなど多様なデータタイプに対応でき、線形または非線形のダイナミクスを扱える。
• 離散的または連続的な時間プロセスは、生態的ダイナミクスを記述する状態方程式でモデル化される。
• 観測方程式は、観測不能な状態と観測データを結びつけ、サンプリングの不確実性を反映する。
• 尤度に基づく推論やベイズ的手法を含む、多様な適合手順がモデル推定のためにレビューされている。
• 本稿には、実際の生態的データ例を用いた、モデル適合、検証、診断ツールの詳細なRチュートリアルが含まれる。

実験結果

リサーチクエスチョン

• RQ1 状態空間モデルは、生態的時系列において、生物的確率的変動と観測誤差をどのように効果的に分離できるか。
• RQ2 SSMの適合と検証における主な課題は何か。それらは利用可能な統計ツールを用いてどのように解決できるか。
• RQ3 生態学者は、Rのようなアクセスしやすいソフトウェアを用いて、実際にSSMをどのように実装できるか。
• RQ4 生態的応用におけるSSMのモデル選択と検証に最も効果的な手法は何か。
• RQ5 生態的モデリングにおけるSSMの改善に向けた今後の研究方向性は何か。

主な発見

• SSMsは、プロセス誤差と観測誤差の両方を明示的にモデル化することで、片方の変動源のみを考慮するモデルと比較してバイアスを低減し、生態的量の推定を改善する。
• 生物的および観測的確率的変動の分離により、生態的ダイナミクスとサンプリングの正確性の解釈が明確になる。
• 多様な適合手順が存在するが、その複雑さが導入を妨げる可能性がある。本稿は、適切な手法の選定と適用に関するガイダンスを提供する。
• モデル検証ツール（診断チェックや情報量基準など）は、モデルの適合度と信頼性を評価するために不可欠である。
• Rベースのチュートリアルにより、SSMの実践的実装が可能となり、生態学者へのアクセス性が向上し、再現性のある研究が促進される。
• このフレームワークは多様なデータタイプと動的プロセスをサポートしており、生態学的研究分野全体に広く適用可能である。