Statistical methods for estimating ecological breakpoints and prediction\n intervals
Notice bibliographique
Résumé
The relationships among ecological variables are usually obtained by fitting\nstatistical models that go through the conditional means of the dependent\nvariables. For example, the nonparametric loess and the parametric piecewise\nlinear regression models, which pass through the conditional mean of the\nresponse variable given the predictor, are used to analyze simple to complex\nrelationships among variables. We used loess and bootstrapped confidence\ninterval to subjectively identify the number and positions of potential\necological breakpoints in a bivariate relationship, and a piecewise linear\nregression model (PLRM) to quantitatively estimate the location of breakpoints\nand the associated precision. We also estimated breakpoint location and\nprecision using a piecewise linear quantile regression model (PQRM), which is\nfitted to the quantiles of the conditional distribution of the response\nvariable given the predictor and provides much richer information in terms of\nestimating relationships and breakpoints. We compared the precision of\nbreakpoints estimated by PQRM relative to PLRM. We compared the precision of\nthe methods using two examples from the ecological literature suspected to\nexhibit multiple breakpoints: relating a Fish Index of Biotic Integrity (an\nindex of wetlands' fish community 'health') to the amount of human activity in\nwetlands' adjacent watersheds; and relating the biomass of cyanobacteria to the\ntotal phosphorus concentration in Canadian lakes. Statistically significant\nbreakpoints were detected for both datasets, demarcating the boundaries of\nthree line segments with markedly different slopes. We recommend the piecewise\nlinear quantile regression as an effective means of characterizing bivariate\nenvironmental relationships where the scatter of points represents natural\nenvironmental variation rather than measurement error.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,077 | 0,286 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».