หนังสือเกี่ยวกับนิเวศวิทยาทางสถิติ?


9

ฉันรู้ว่าคำถามนี้ถูกถามมาก่อน: หนังสืออ้างอิงสำหรับการศึกษาทางนิเวศวิทยาแต่ไม่ใช่สิ่งที่ฉันกำลังมองหา

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


1
คุณมีความสนใจด้านนิเวศวิทยาเฉพาะด้านหรือไม่? มันเป็นทุ่งกว้าง (ฉันรู้ว่าฉันเป็นหนึ่งเดียว! --- นักนิเวศวิทยาไม่ใช่สาขา ... :-) และมีการอ้างอิงที่ดีมากมาย แต่ครอบคลุมเนื้อหาเฉพาะของเรื่อง คุณต้องการบางสิ่งด้วยตัวอย่างโค้ดหรือคุณมีความสุขกับทฤษฎีหรือไม่ หากในอดีตภาษา / ซอฟต์แวร์ใด ๆ เป็นพิเศษ?
Gavin Simpson

@GavinSimpson พื้นที่พิเศษของฉันคือกระบวนการแบบเกาส์ดังนั้น moddels เชิงนิเวศวิทยาอาจเป็นพื้นที่ที่น่าสนใจที่ใหญ่ที่สุดของฉันแม้ว่าจะซื่อสัตย์ฉันไม่เข้าใจ 100% ในทุกหัวข้อดังนั้นหนังสือแนะนำจะน่าสนใจสำหรับฉัน หนังสือรหัสหรือทฤษฎีก็ยินดีต้อนรับฉันคิดว่าฉันมากขึ้นดังนั้นมองหาหัวข้อที่น่าสนใจของการวิจัย

คำตอบ:


8

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 )


4

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


@ กาวินซิมป์สันคุณเคยได้ยิน / เคยใช้หนังสือเล่มที่สามในรายการบ้างไหม?

4

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


แหล่งข้อมูลออนไลน์เพิ่มเติมตามหลักสูตรมีอยู่ที่นี่
วิทยาศาสตร์ด้านป่าไม้
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.