[论文解读] piecewiseSEM: Piecewise structural equation modeling in R for ecology, evolution, and systematics

Jonathan S. Lefcheck|arXiv (Cornell University)|Sep 6, 2015

Ecology and Vegetation Dynamics Studies参考文献 20被引用 39

一句话总结

本文介绍了 piecewiseSEM，这是一个用于生态学、进化生物学和系统学的开源 R 包，实现了分段结构方程模型（SEM）。它扩展了基础 R 语法，支持广义线性模型、最小二乘法和混合效应模型，从而实现对具有层次结构和非正态分布数据的灵活、用户友好的 SEM，包括系统发育独立对比分析。

ABSTRACT

Ecologists and evolutionary biologists are relying on an increasingly sophisticated set of statistical tools to describe complex natural systems. One such tool that has gained increasing traction in the life sciences is structural equation modeling (SEM), a variant of path analysis that resolves complex multivariate relationships among a suite of interrelated variables. SEM has historically relied on covariances among variables, rather than the values of the data points themselves. While this approach permits a wide variety of model forms, it limits the incorporation of detailed specifications. Here, I present a fully-documented, open-source R package piecewiseSEM that builds on the base R syntax for all current generalized linear, least-square, and mixed effects models. I also provide two worked examples: one involving a hierarchical dataset with non-normally distributed variables, and a second involving phylogenetically-independent contrasts. My goal is to provide a user-friendly and tractable implementation of SEM that also reflects the ecological and methodological processes generating data.

研究动机与目标

• 为解决生态学和进化系统中复杂多变量关系建模日益增长的先进统计工具需求。
• 克服传统 SEM 依赖协方差并限制模型设定的局限性，尤其针对非正态或层次化数据。
• 提供一个用户友好的开源 R 实现，与现有 R 建模框架（如 lme4、nlme、glm）集成。
• 通过支持现实的数据生成过程（包括系统发育依赖性和混合效应结构），促进生态学和进化生物学研究中的 SEM 应用。
• 提升非统计学背景的生命科学研究人员在 SEM 领域的可及性和方法透明度。

提出的方法

• 采用分段式 SEM 方法，其中模型中的每条路径均使用标准回归技术单独估计。
• 使用基础 R 模型语法（如 lmer、glmer、lm）拟合单个结构方程，确保与广义线性模型和混合效应模型的兼容性。
• 采用显著性检验框架评估模型拟合度，使用基于 AIC 的拟合指数和有向分离（d-sep）检验来评估独立性假设。
• 通过利用现有的 R 建模函数（包括广义线性模型和混合模型）处理非正态和层次化数据。
• 将系统发育独立对比分析（PICs）作为特例纳入，支持具有物种间进化关系的 SEM 分析。
• 使用似然比检验和基于 AIC 的比较来评估模型拟合度并比较不同模型结构。

实验结果

研究问题

• RQ1 结构方程模型如何适应处理非正态、层次化以及具有系统发育结构的生态学数据？
• RQ2 分段式 SEM 方法是否能在保持统计严谨性的同时，提升生态学家和进化生物学家的可及性？
• RQ3 与传统 SEM 相比，分段方法在复杂生态学系统中的模型拟合度和参数估计方面表现如何？
• RQ4 d-sep 检验在多种生态学数据集中检测模型误设方面的表现如何？
• RQ5 如何在包含连续、计数和二值结果变量的混合类型数据集中有效应用 SEM？

主要发现

• piecewiseSEM 包成功使用标准 R 建模语法实现 SEM，支持在广泛生态学和进化模型中灵活设定模型。
• 该方法通过与现有 R 建模函数的集成，支持非正态分布和层次化数据结构（如嵌套或重复测量）。
• 使用有向分离（d-sep）检验提供了一种稳健的方法，用于评估模型拟合度并检测复杂模型中的误设。
• 该包可将系统发育独立对比分析（PICs）作为有效输入，使 SEM 能够应用于具有进化关系的比较数据。
• 该方法在保持与传统 SEM 相当的统计功效和准确性的同时，对应用研究人员更具可访问性和可扩展性。
• 该实现计算高效且可扩展，适用于具有多个路径和复杂依赖关系的模型，如两个经验示例所示。