Methods for investigating parameter redundancy

• Autores: Olivier Gimenez, Anne Viallefont, Edward A. Catchpole, Rémi Choquet, Byron J. T. Morgan
• Localización: Animal Biodiversity and Conservation, ISSN 2014-928X, Vol. 27, Nº. 1, 2004, págs. 561-572
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Métodos para investigar la redundancia de parámetros.

    � El estudio cuantitativo de individuos marcados se basa fundamentalmente en el uso de modelos biológicamente significativos. Posteriormente, la inferencia clásica se lleva a cabo a partir de la probabilidad del modelo, parametrizada mediante parámetros tales como las probabilidades de supervivencia, de recuperación, de transición y de recaptura. En la estadística clásica, intentamos obtener estimaciones de parámetros maximizando la probabilidad. Sin embargo, los modelos a menudo se parametrizan en exceso, por lo que algunos parámetros no pueden estimarse por separado. Por consiguiente, identificar qué parámetros, cuántos y qué funciones de los mismos son estimables resulta crucial, no sólo para poder efectuar una adecuada selección de modelos basada en pruebas de razón de verosimilitud o criterios de información, sino también para la interpretación de las estimaciones obtenidas. En este trabajo presentamos una descripción de las herramientas disponibles para verificar la redundancia de parámetros. Nuestro objetivo es ayudar a elegir el método más apropiado para la resolución de sus problemas específicos.

  • English

    Methods for investigating parameter redundancy.� The quantitative study of marked individuals relies mainly on the use of meaningful biological models. Classical inference is then conducted based on the model likelihood, parameterized by parameters such as survival, recovery, transition and recapture probabilities. In classical statistics, we seek parameter estimates by maximising the likelihood. However, models are often overparameterized and, as a consequence, some parameters cannot be estimated separately. Identifying how many and which (functions of) parameters are estimable is thus crucial not only for proper model selection based upon likelihood ratio tests or information criteria but also for the interpretation of the estimates obtained. In this paper, we provide the reader with a description of the tools available to check for parameter redundancy. We aim to assist people in choosing the most appropriate method to solve their own specific problems.