Statistical models in biogeography

Ci concentriamo sui metodi statistici utilizzati in Biogeografia per modellare la distribuzione spaziale delle specie di uccelli. A causa della difficoltà nello specificare una struttura multivariata congiunta della covarianza spaziale nei processi ambientali, fattorizziamo tale distribuzione congiunta in una serie di modelli condizionati connessi asieme in un modello gerarchico. Abbiamo un processo che corrisponde ad una mappa non osservabile con le informazioni effettive su una specie di uccelli, ed i dati corrispondono alle osservazioni che sono collegate a tale processo. Vengono utilizzati gli approcci di simulazione Markov chain Monte Carlo (MCMC) per i modelli a più livelli che incorporano strutture di dipendenza. Usiamo un algoritmo Bayesiano per estrarre campioni dalla distribuzione a posteriori al fine di ottenere stime dei parametri e ricostruire la vera immagine basata sui dati. Presentiamo diversi metodi per superare il problema del calcolo della distribuzione del campo aleatorio markoviano che viene utilizzato nell’ algoritmo MCMC. Durante l’analisi, è opportuno eliminare alcuni predittori dal modello e utilizzare solo un sottoinsieme di covariate nella procedura di stima. Usiamo il metodo di Kuo & Mallick (1998) (KM) per la selezione delle variabili che, combinato all’uso dei più catene independenti, incrementa con successo il mixing delle catene. Negli studi di simulazione, presentiamo le migliori prestazioni della pseudo-verosimiglianza rispetto agli altri metodi di approssimazione e le buone prestazioni del metodo KM per queso tipo di dati. Illustriamo l’applicazione dei metodi con l’analisi completa della distribuzione spaziale di due specie di uccelli (Sturnella magna e Anas rubripes), basandoci su di un insieme di dati reale. Dimostriamo i vantaggi nell’uso della struttura latente e del parametro di interazione spaziale nel modello spaziale markoviano latente rispetto agli altri modelli più semplici, come l’ordinario modello logistico o il modello autologistico senza errori di osservazione.