[论文解读] An Application of Envelope Methodology and Aster Models

Daniel J. Eck, Charles J. Geyer+1 more|arXiv (Cornell University)|Jan 27, 2017

Plant and animal studies参考文献 9被引用 4

一句话总结

本文在 aster 建模框架内提出了一种新颖的包络估计方法，以减少估计达尔文适应度时的渐近变异性，显著提高了生命史分析的精度。通过将感兴趣参数与其估计量的协方差矩阵相联系，该方法在模拟数据和真实的 *Mimulus guttatus* 数据集中均实现了方差减少，从而支持对进化适应度驱动因素的更强有力推断。

ABSTRACT

Precise estimation of expected Darwinian fitness is a central component of life history analysis. Our methods provide precise estimation by incorporating general envelope methodology into the aster modeling framework. This level of precision provided from out methods allow researchers to draw stronger conclusions about the driving forces of Darwinian fitness from their life history analyses than they could with the aster model alone. The aster model serves as a defensible statistical model for distributions of Darwinian fitness. Envelope methodology reduces asymptotic variability by establishing a link between unknown parameters of interest and the asymptotic covariance matrices of their estimators. It is known both theoretically and in applications that incorporation of envelope methodology reduces asymptotic variability. A novel envelope estimator is developed and used to obtain variance reduction. Our methods are illustrated on a simulated dataset and a real dataset of \emph{Mimulus guttatus} flowers. Variance reduction is obtained in both analyses. Our examples are fully reproducible in an accompanying technical report.

研究动机与目标

• 提高生命史分析中达尔文适应度估计的精度。
• 解决标准 aster 模型估计量中较高的渐近变异性问题。
• 开发并应用一种新颖的包络估计方法，以减少适应度参数估计的方差。
• 在模拟数据和真实生物数据集中证明该方法的有效性。
• 为进化生物学中的增强统计推断提供可重复的框架。

提出的方法

• 将通用包络方法整合到 aster 建模框架中，以减少渐近变异性。
• 建立感兴趣未知参数与其估计量渐近协方差矩阵之间的联系。
• 开发一种新颖的包络估计方法，系统性地减少参数估计的方差。
• 将该方法应用于一个模拟数据集和一个 *Mimulus guttatus* 花朵的真实数据集。
• 使用 aster 模型作为适应度分布建模的可信统计基础。
• 采用在配套技术报告中记录的可重复分析方法。

实验结果

研究问题

• RQ1 包络方法能否减少 aster 模型中达尔文适应度估计量的渐近变异性？
• RQ2 与标准 aster 模型相比，所提出的包络估计方法是否能提高生命史数据分析的精度？
• RQ3 在模拟和真实生物数据集中，方差减少的程度如何？
• RQ4 该方法能否支持对塑造适应度的进化力量的更强推断？
• RQ5 所提出的方法是否完全可重复，并可应用于真实世界的生命史数据？

主要发现

• 所提出的包络估计方法成功减少了适应度参数估计的渐近变异性。
• 在模拟数据集和真实的 *Mimulus guttatus* 数据集中均实现了方差减少。
• 该方法在精度上优于仅使用标准 aster 模型的适应度估计。
• 结果支持对生命史分析中适应度进化驱动因素的更强结论。
• 该方法完全可重复，如配套技术报告所示。
• 将包络方法整合到 aster 模型中，为适应度估计提供了统计上可信且精确的框架。