หนังสือเกี่ยวกับนิเวศวิทยาทางสถิติ?

ฉันรู้ว่าคำถามนี้ถูกถามมาก่อน: หนังสืออ้างอิงสำหรับการศึกษาทางนิเวศวิทยาแต่ไม่ใช่สิ่งที่ฉันกำลังมองหา

สิ่งที่ฉันกำลังมองหาคือถ้าใครสามารถแนะนำหนังสือที่ดี (หรืออ้างอิงที่เป็นที่ยอมรับ) เกี่ยวกับนิเวศวิทยาทางสถิติ? ฉันมีความเข้าใจเกี่ยวกับสถิติเป็นอย่างดีดังนั้นหนังสือเล่มนี้อาจอยู่ในระดับใดก็ได้ ฉันจะใช้หนังสือเล่มนี้เพื่อสอนตัวเองเกี่ยวกับการประยุกต์ใช้สถิติทางนิเวศวิทยามากกว่าสิ่งอื่นดังนั้นแม้แต่หนังสือเกริ่นนำที่มีตัวอย่างที่ดี / น่าสนใจก็จะได้รับการชื่นชมมาก นอกจากนี้งานวิจัยของฉันมีแนวโน้มที่จะมุ่งเน้นไปที่สถิติแบบเบย์ดังนั้นหนังสือที่รวมเอาสถิติแบบเบย์นั้นดียิ่งขึ้น!

หนังสือดีๆบางเล่มที่ฉันอยากแนะนำเป็นการส่วนตัวคือ:

• Hilborn & บี (1997) นิเวศวิทยานักสืบ: โมเดลเผชิญหน้ากับข้อมูล สำนักพิมพ์มหาวิทยาลัยพรินซ์ตัน

  อันนี้เกี่ยวกับสถิติกับตัวอย่างทางนิเวศวิทยา แต่ไม่มีอะไรผิดปกติ นี้จะให้รสชาติที่ดีของสถิติว่าสามารถนำมาใช้ในระบบนิเวศ จดวันที่; มันจะไม่ครอบคลุมการพัฒนาหรือแอปพลิเคชั่นล่าสุด

• เอ็มเอชเฮนรี่สตีเว่น (2009) รองพื้นนิเวศวิทยากับ R สปริงเกอร์

  อาจจะพื้นฐานเกินไปและไม่ได้เกี่ยวกับอวกาศเลย แต่มันครอบคลุมหัวข้อต่าง ๆ ที่เราสอนนักนิเวศวิทยาและแสดงทฤษฎีและแบบจำลองนิเวศวิทยาด้วยรหัส R

• BM Bolker (2008) รุ่นนิเวศน์วิทยาและข้อมูลในการวิจัย สำนักพิมพ์มหาวิทยาลัยพรินซ์ตัน

  ฉันรักหนังสือเล่มนี้ มันครอบคลุมหัวข้อที่คุณจะคุ้นเคยกับพื้นหลังสถิติของคุณ แต่นำไปใช้ในบริบทของระบบนิเวศ เน้นโมเดลที่เหมาะสมและปรับให้เหมาะสมจากหลักการพื้นฐานโดยใช้รหัส R

• เจมส์เอสคลาร์ก (2007) รุ่นสำหรับนิเวศวิทยาข้อมูล: แนะนำ สำนักพิมพ์มหาวิทยาลัยพรินซ์ตัน

  อย่านำออกโดย "แนะนำ" ในชื่อ; นี่คืออะไรนอกจากการแนะนำ ความครอบคลุมในวงกว้างทฤษฎีจำนวนมากเน้นโมเดลที่เหมาะสมด้วยมือโดยใช้วิธีการแบบเบย์ (คู่มือผู้ใช้ห้องปฏิบัติการ R กล่าวถึงการเขียนตัวอย่างกิ๊บส์ของคุณเอง!)

ไม่ใช่หนังสือ แต่ฉันจะเพิ่มสิ่งนี้ตามที่คุณพูดถึงความสนใจในกระบวนการแบบเกาส์ของคุณโดยเฉพาะ ลองดูที่บูรณาการซ้อน Laplace ประมาณ (INLA) ซึ่งมีที่เว็บไซต์ มันเป็นแพ็คเกจ R และมีตัวอย่างมากมายให้เล่นด้วย หากคุณดูคำถามที่พบบ่อยของพวกเขาคุณจะพบเอกสารหลายฉบับที่อธิบายถึงวิธีการโดยเฉพาะ:

H. Rue, S. Martino และ N. Chopin การอนุมานแบบเบย์โดยประมาณสำหรับแบบจำลอง Gaussian แฝงโดยใช้การประมาณแบบซ้อน Laplace แบบรวม (พร้อมการอภิปราย) วารสารสมาคมสถิติรอยัลซีรี่ส์ B, 71 (2): 319 {392, 2009. (PDF มีที่นี่ )

หนังสือนิเวศวิทยาบางเล่มอยู่ในสถิติแบบเบย์:

เขี้ยวเอ็ม 2010 รู้เบื้องต้นเกี่ยวกับ WinBUGS สำหรับ Ecologists: วิธีการแบบเบย์จะถดถอย ANOVA, หลากหลายรูปแบบและการวิเคราะห์ที่เกี่ยวข้อง สื่อวิชาการ

Kery, M. , และ M. Schaub 2011 คชกรรมประชากรการวิเคราะห์โดยใช้ WinBUGS: มุมมองลำดับชั้น สื่อวิชาการ

Royle, JA และ RM Dorazio 2008 ตามลำดับชั้นสร้างแบบจำลองและการอนุมานในนิเวศวิทยา: การวิเคราะห์ข้อมูลจากประชากร Metapopulations และชุมชน สื่อวิชาการ

ฉันยังพบ Zuur และคณะ (2009) มีประโยชน์มาก

Zuur, A. , EN Ieno, N. Walker, AA Saveliey และ GM Smith ผลกระทบผสมรุ่นและส่วนขยายในนิเวศวิทยากับ R สปริงเกอร์

Jack Weiss (ขอให้เขาพักผ่อนอย่างสงบ ) เป็นนักสถิติที่ได้รับการฝึกฝนมาอย่างดีเยี่ยมซึ่งมีความเข้าใจเกี่ยวกับหลักการทางนิเวศวิทยาและสิ่งแวดล้อม เขาทำหน้าที่เป็นที่ปรึกษาทางสถิติที่ประเมินค่ามิได้แก่นักวิทยาศาสตร์ด้านนิเวศวิทยา / สิ่งแวดล้อมทั่วสหรัฐอเมริกาและทั่วโลก

แม้ว่าเขาจะไม่มีหนังสือใด ๆ ที่ฉันรู้ แต่บันทึกหลักสูตรของเขายังคงให้บริการออนไลน์ :

1. วิธีการทางสถิติในนิเวศวิทยา [หรือรุ่น2012 ]

   หลักสูตร Descrition:หลักสูตรนี้เป็นหลักสูตรในการสร้างแบบจำลองทางสถิติสำหรับนักนิเวศวิทยาและเครือญาติ เรามุ่งเน้นไปที่วิธีการทางสถิติเบื้องต้นการถดถอยเป็นหลักและอธิบายถึงวิธีการที่พวกเขาสามารถขยายเพื่อให้พวกเขามีความเหมาะสมมากขึ้นสำหรับการวิเคราะห์ข้อมูลระบบนิเวศ ส่วนขยายเหล่านี้รวมถึงการใช้แบบจำลองความน่าจะเป็นจริงมากขึ้น (นอกเหนือจากการแจกแจงแบบปกติ) และการบัญชีสำหรับสถานการณ์ที่การสังเกตไม่เป็นอิสระทางสถิติ สำหรับแบบจำลองแต่ละแบบเราจะพิจารณาว่าจะประเมินโดยใช้วิธีการประจำ (เมื่อเป็นไปได้) และวิธีแบบเบย์ เราเน้นที่นี่อยู่ในเชิงลึกมากกว่าความกว้าง (หลักสูตรระดับบัณฑิตศึกษาอื่น ๆ ที่ฉันสอน ECOL 562 เป็นหลักสูตรสำรวจที่ครอบคลุมวิธีการทางสถิติที่มีประโยชน์มากมายในสาขาวิทยาศาสตร์สิ่งแวดล้อมหลักสูตรนี้มุ่งเน้นไปที่เนื้อหา 40% จากหลักสูตรนั้น แต่ครอบคลุมในเชิงลึกมากขึ้น)

   คุ้นเคยกับวิธีวิเคราะห์เชิงสถิติแบบมาตรฐานเช่นการทดสอบสมมติฐาน หลักสูตรนี้มีวัตถุประสงค์เพื่อใช้เป็นช่วงการเปลี่ยนภาพระหว่างสิ่งที่สอนโดยทั่วไปในหลักสูตรสถิติระดับปริญญาตรีและสิ่งที่จำเป็นจริง ๆ ในการวิเคราะห์ข้อมูลในนิเวศวิทยาและวิทยาศาสตร์สิ่งแวดล้อม ผู้ลงทะเบียนในอุดมคติคือนักศึกษาระดับปริญญาตรีหรือสูงกว่าที่เริ่มเรียนหลักสูตรสถิติเบื้องต้นและต้องการที่จะเห็นการประยุกต์ใช้สถิติที่ทันสมัยกับวิทยาศาสตร์สิ่งแวดล้อมและนิเวศวิทยา หัวข้อรวมถึง:

   - Basic concepts in regression: categorical predictors and interactions
   - Statistical distributions important in ecological modeling: binomial, Poisson, negative binomial, normal, lognormal, gamma
   - Likelihood theory and its applications in regression
   - Bayesian approaches to model fitting
   - Model selection protocols: Information-theoretic alternatives to significance testing
   - Generalized linear models: Poisson regression, negative binomial regression, logistic regression, gamma regression
   - Mixed effects models for analyzing temporally and spatially correlated data
     - Random intercepts and slopes models
     - Multilevel models with 2 and 3 levels
     - Hierarchical Bayesian modeling
     - Nonlinear mixed effects models
     - Mixed effects models with nested and crossed random effects
     - Hybrid mixed effects models with multivariate responses
   

2. สถิติสำหรับวิทยาศาสตร์สิ่งแวดล้อม [หรือ a 2007 ; รุ่น2012 ]

   หลักสูตร Descrition:แนะนำวิธีการทางสถิติสำหรับนิเวศวิทยาและวิทยาศาสตร์สิ่งแวดล้อม หลักสูตรนี้เป็นหัวข้อ เราเน้นที่นี่อยู่ในความกว้างมากกว่าความลึก (หลักสูตรระดับบัณฑิตศึกษาอื่น ๆ ที่ฉันสอนใช้วิธีการเชิงลึกในหัวข้อที่ครอบคลุมในหนึ่งในสามของหลักสูตรนี้) ความคุ้นเคยกับวิธีการวิเคราะห์เชิงสถิติแบบมาตรฐานเช่นการทดสอบสมมติฐาน หลักสูตรนี้มีวัตถุประสงค์เพื่อใช้เป็นช่วงการเปลี่ยนภาพระหว่างสิ่งที่สอนโดยทั่วไปในหลักสูตรสถิติระดับปริญญาตรีและสิ่งที่จำเป็นในการวิเคราะห์ข้อมูลในนิเวศวิทยาและวิทยาศาสตร์สิ่งแวดล้อม ผู้ลงทะเบียนในอุดมคติคือนักศึกษาระดับปริญญาตรีหรือสูงกว่าที่เริ่มเรียนหลักสูตรสถิติเบื้องต้นและต้องการที่จะเห็นการประยุกต์ใช้สถิติที่ทันสมัยกับวิทยาศาสตร์สิ่งแวดล้อมและนิเวศวิทยา หัวข้อรวมถึง:

   - Overview of regression
   - Likelihood theory and its applications in regression
   - Generalized linear models
   - Analysis of temporally correlated data
   - Mixed effects models
   - Generalized estimating equations
   - Bayesian methods
   - Generalized additive models
   - Survey sampling methods
   - Machine learning methods
   - Survival analysis
   - Contingency table analysis
   - Analysis of extreme values
   - Structural equation models
   

3. สถิติสำหรับนิเวศวิทยาและวิวัฒนาการ

   คำอธิบายหลักสูตร: หลักสูตรนี้เป็นหลักสูตรในการสร้างแบบจำลองทางสถิติสำหรับนักนิเวศวิทยาและเครือญาติ เรามุ่งเน้นไปที่วิธีการทางสถิติเบื้องต้นการถดถอยเป็นหลักและอธิบายถึงวิธีการที่พวกเขาสามารถขยายเพื่อให้พวกเขามีความเหมาะสมมากขึ้นสำหรับการวิเคราะห์ข้อมูลระบบนิเวศ ส่วนขยายเหล่านี้รวมถึงการใช้แบบจำลองความน่าจะเป็นจริงมากขึ้น (นอกเหนือจากการแจกแจงแบบปกติ) และการบัญชีสำหรับสถานการณ์ที่การสังเกตไม่เป็นอิสระทางสถิติ หัวข้อรวมถึง:

   - Experiments in ecology
   - Statistical distributions important in ecological modeling: binomial, Poisson, negative binomial, normal, lognormal, gamma, and exponential
   - Likelihood theory and its applications in regression
   - Bayesian approaches to model fitting
   - Model selection protocols: Information-theoretic alternatives to significance testing
   - Generalized linear models: Poisson regression, negative binomial regression, logistic regression, and others
   - Regression models for temporally and spatially correlated data: random coefficient models (multilevel models) and hierarchical Bayesian modeling
   

4. นิเวศวิทยา 145 - การวิเคราะห์ทางสถิติ

   ECOL 145 มีวัตถุประสงค์เพื่อเป็นการแนะนำอย่างเข้มข้นในการวิเคราะห์ข้อมูลทางนิเวศวิทยา กลุ่มเป้าหมายประกอบด้วยนักศึกษาระดับบัณฑิตศึกษาที่มีแรงจูงใจสูงและนักศึกษาระดับปริญญาตรีในสาขาวิชาที่เกี่ยวข้องกับชีววิทยาซึ่งมีข้อมูลของตนเองในการวิเคราะห์ หลักสูตรนี้เป็นหลักสูตรที่มีความจริงจังและไม่เหมาะสำหรับผู้ที่มีปัญหาทางเพศหรือผู้ที่ต้องการตรวจสอบและสังเกตการณ์ เรามุ่งเน้นการใช้แพ็คเกจสถิติที่ทันสมัยสองชุดคือ R และ WinBUGS และใช้เพื่อจัดการชุดข้อมูลจริงที่มีปัญหาทั้งหมด ยิ่งคุณเข้าใกล้การวิจัยและวิเคราะห์ข้อมูลของคุณเองมากเท่าไหร่หลักสูตรนี้ก็จะมีประโยชน์มากขึ้นเท่านั้น

   มุมมองของหลักสูตรคือแบบจำลองความน่าจะเป็นความคิดที่ดีที่สุดว่าเป็นกลไกการสร้างข้อมูลและเพื่อให้สอดคล้องกับมุมมองนี้เราใช้วิธีการที่น่าจะเป็นไปตามรูปแบบข้อมูลนิเวศโดยตรง ชุดข้อมูลมาจากวรรณกรรมที่ตีพิมพ์จากโครงการให้คำปรึกษาของฉันเองหรือจัดทำโดยนักเรียนที่ลงทะเบียนในหลักสูตร หากคุณมีข้อมูลที่คุณต้องวิเคราะห์คุณสามารถส่งมันมาให้ฉันเพื่อใช้ในการฝึกหัดในชั้นเรียน หัวข้อรวมถึง:

   - Statistical distributions important in ecological modeling: binomial, Poisson, negative binomial, normal, lognormal, gamma, and exponential
   - Likelihood theory and its applications in regression
   - Generalized linear models: Poisson regression, negative binomial regression, logistic regression, and others
   - The perils of significance testing—multiple comparison adjustments and the false discovery rate
   - Model selection protocols: likelihood ratio tests, Wald tests, and information-theoretic alternatives to significance testing
   - Goodness of fit for GLMs: deviance statistics, extensions of R2, Pearson chi-square approaches
   - Regression models for temporally and spatially correlated data: random coefficient models (multilevel models) and the method of generalized estimating equations
   - Bayesian approaches to data analysis
   - Hierarchical Bayesian modeling using WinBUGS and R
   

ฉันแน่ใจว่ามีการทับซ้อนกันระหว่างหลักสูตรมากมาย แต่มีบันทึกของเขา (และรหัส R) สำหรับแต่ละหลักสูตรเหล่านี้และควรพิสูจน์ว่ามีประโยชน์มากสำหรับคนส่วนใหญ่ที่เข้าชมโพสต์นี้