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

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

Ecosystem dynamics and resilience参考文献 217被引用数 256

ひとこと要約

本論文は、生態学的時系列における状態空間モデル（SSM）の包括的ガイドを提供し、プロセスのばらつきと観測誤差を分離することで、生態的ダイナミクスの推定を改善する方法を説明する。Rを用いた頻度的およびベイズ的アプローチによるSSMの適合のための統一フレームワークを提示し、多様な生態学的データタイプ（個体群の個体数、動物の移動、捕獲再捕獲データなど）において、頑健な推論を保証するための診断ツールとモデル妥当性評価手順を含む。

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, animal movement, and capture-recapture data, 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 variation (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. We provide the knowledge for ecologists to create SSMs that are robust to common, and often hidden, estimation problems, and 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

• 生態学的研究者に、生態学的時系列に状態空間モデル（SSM）を理解し、適用するための明確でアクセスしやすい基盤を提供すること。
• しばしば生態学的研究者が自身のモデルを構築・適合させるのを妨げる、SSM適合手順の複雑さと多様性に対処すること。
• モデル選択、妥当性評価、診断のための実用的ツールを提供し、モデルの頑健性と信頼性を向上させること。
• 最近の手法的進展を統合することで、理論的SSMフレームワークと応用生態学的研究の間のギャップを埋めること。
• 初心者から経験豊富なユーザーまでを支援するため、最新のSSM応用におけるベストプラクティスのチュートリアルとレビューを提供すること。

提案手法

• 観測不能な状態過程（真の生態的ダイナミクス）と観測過程（ノイズ混じりで不完全なデータ）の2つの異なる時系列を持つ階層的モデリングフレームワークを用いる。
• プロセスダイナミクス（例：個体群増加、移動）を記述するための線形または非線形状態方程式と、状態とデータを結ぶ観測方程式を適用する。
• 複数の適合手順を用いる：線形ガウス型SSMにはカルマンフィルタ、非線形非ガウス型モデルにはラプラス近似、複雑なダイナミクスにはパーティクルフィルタリング、ベイズ推論にはMCMC。
• モデル適合度の評価や誤りの特定に役立つ診断ツールとして、事後予測チェック、残差の自己相関関数（ACF）プロット、QQプロットを統合する。
• パラメータの同定可能性を評価し、モデル定式化における構造的問題を特定するために、対数尤度プロファイルを用いる。
• 実際の生態学的データセットを用いてSSMを実装・妥当性評価するため、dlm、MARSS、pomp、TMB、rstanなどのRパッケージを用いたRベースのチュートリアルを提供する。

実験結果

リサーチクエスチョン

• RQ1 生態学的研究者は、生態学的時系列において、生物学的プロセスのばらつきと観測誤差をどのように効果的に区別できるか？
• RQ2 連続的、カウント、二値、カテゴリカルなデータなど、異なるデータタイプに対して、最も信頼性が高く効率的なSSMの適合手順は何か？
• RQ3 モデル妥当性評価および診断ツールは、生態学的SSMにおけるモデルの誤指定を検出し、是正するためにどのように活用できるか？
• RQ4 SSMにおけるパラメータの同定可能性の主な課題は何であり、それらはどのように診断され、解決されるべきか？
• RQ5 希少な生物多様性記録、バイオロギングデータ、捕獲再捕獲調査などの複雑な生態学的データを扱うために、SSMはどのように適合されるべきか？

主な発見

• 状態空間モデルは、プロセスのばらつきと観測誤差を分離することで、真の生態的状態の推定を著しく改善し、両者を単一のノイズ源として扱うモデルよりも、より正確な推論を可能にする。
• カルマンフィルタは、線形ガウス型SSMに対して正確かつ効率的な推論を提供するが、この特定のモデルクラスに限定して適用可能である。
• ラプラス近似とパーティクルフィルタリングは、非線形・非ガウス型SSMに対しても効率的な推論を可能にするが、初期化に注意が必要であり、モデル構造に敏感である可能性がある。
• MCMC法、特にrstanによるハミルトニアンモンテカルロ（HMC）は柔軟なベイズ推論を提供するが、収束の評価に注意を要し、計算コストが高くなることがある。
• 事後予測チェックや残差解析などの診断ツールは、モデルの誤指定を効果的に検出でき、適切に定式化されたモデルでは残差に有意な不適合が認められない。
• 対数尤度プロファイルは、プロファイルが平坦または多峰的である場合にパラメータの非同定性を示し、モデル定式化における構造的問題を特定する。このような問題は推論を実施する前に是正する必要がある。