我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
捕获-再捕获研究通常涉及在相对较短的时间内多次捕获数据。例如,对于许多研究物种,每年都会重复这一过程,从而获得跨越多个采样周期的捕获信息。为了考虑不同的时间尺度,传统上采用稳健的模型设计类,提供一个框架,在该框架中分析单个似然表达式中的所有可用捕获数据。然而,这些模型通常需要很强的约束,要么假设在一个采样周期内闭合(闭合稳健设计),要么以一个采样期内捕获的个体数量为条件(开放稳健设计)。对于实际数据集,这些假设可能不合适。我们开发了一个通用的建模结构,通过明确建模采样期内和采样期之间个体进入种群的运动,这既不需要假设,又允许在一个一致的框架内估计丰度。新模型结构的灵活性通过包含具有计算挑战性的多状态数据的情况得到进一步证明,其中存在单个时变离散协变量信息。我们利用隐马尔可夫模型框架推导了新的多状态多周期中途停留模型的有效似然表达式。通过模拟研究和与大冠蝾螈保护物种相关的真实数据集,我们证明了使用新建模方法在多阶段和多状态分量方面对参数估计的显著改进,三角帆蚌.
汉娜·沃辛顿。 Rachel McCrea。 鲁思·金。 理查德·格里菲斯(Richard Griffiths)。 “通过多状态多周期中途停留模型,从多次采样捕获再捕获数据中估计丰度。” 附录申请。斯达。 13 (4) 2043 - 2064, 2019年12月。 https://doi.org/10.1214/19-AOAS1264