統計生態学に関する本？

私はこの質問が以前に尋ねられたことを知っています：生態学的研究のための参考書ですが、それは私が探しているものではありません。

私が探しているのは、統計生態学についての良い本（または標準的な参考文献）を誰かが推薦できるかどうかです。私は統計を非常によく理解しているので、本は本当にどんなレベルでもありえます。私はこの本を使って、生態学における統計学の応用について何よりも自分自身に教えるので、良い/興味深い例の紹介本でも大いに評価されます。また、私の研究はベイジアン統計を対象とする傾向があるので、ベイジアン統計を組み込んだ本はさらに良いです！

私が個人的にお勧めするいくつかの良い本は次のとおりです。

• Hilborn＆Mangel（1997）The Ecoological Detective：モデルが直面するデータ。プリンストン大学出版局。

  これは、生態学的な例を用いた統計についての詳細ですが、それについて何も問題はありません。これは、統計学が生態学でどのように使用されるかについての良い風味を与えるでしょう。日付に注意してください。最近の開発やアプリケーションの一部はカバーしていません。

• M.ヘンリーH.スティーブンズ（2009）RとエコロジーのAプライマー。スプリンガー。

  おそらく基本的すぎて、特に空間的なものではないかもしれませんが、生態学者に教えるさまざまなトピックをカバーし、Rコードを使用して生態理論とモデルを説明します。

• BMボルカー（2008）Rの生態モデルとデータ。プリンストン大学出版局。

  私はこの本が大好きです。それはあなたの統計の背景を与えられてあなたが知っているであろうが生態学的な文脈で適用されるトピックをカバーしています。Rコードを使用してモデルをフィッティングし、基本原理からモデルを最適化することに重点を置いています。

• James S. Clark（2007）Models for Ecological Data：an Introduction。プリンストン大学出版局。

  タイトルの「紹介」にがっかりしないでください。これは紹介以外のものです。幅広いカバレッジ、多くの理論、ベイジアンアプローチを採用した手作業でのモデルのフィッティングに重点を置いています（Rラボのマニュアルコンパニオンでは、たとえば独自のGibbsサンプラーの作成について説明しています！）

本ではありませんが、Gaussian Processesへの関心について具体的に言及したときに、これを追加します。Webサイトを備えたIntegrated Nested Laplace Approximation（INLA）をご覧ください。それはRパッケージであり、遊ぶための例がたくさんあります。彼らのFAQを見ると、このアプローチを説明するいくつかの論文、特に次のものが見つかります。

H. Rue、S。Martino、およびN. Chopin。統合されたネストされたラプラス近似を使用した潜在ガウスモデルの近似ベイズ推論（説明付き）。英国王立統計学会誌、シリーズB、71（2）：319 {392、2009（PDFはこちらから入手可能）。

ベイジアン統計に基づくいくつかの優れた生態学の本は次のとおりです。

Kery、M。2010。エコロジストのためのWinBUGSの概要：回帰、ANOVA、混合モデルおよび関連する分析へのベイズのアプローチ。アカデミックプレス。

Kery、M。、およびM. Schaub。2011. WinBUGSを使用したベイジアン人口分析：階層的視点。アカデミックプレス。

Royle、JA、RM Dorazio。2008. 生態学における階層的モデリングと推論：母集団、メタ母集団、コミュニティからのデータの分析。アカデミックプレス

私はZuurらも見つけました。（2009）非常に便利です。

Zuur、A.、EN Ieno、N。Walker、AA Saveliey、およびGM Smith。 Rによる生態学の混合効果モデルと拡張。スプリンガー。

ジャックワイス（彼は平和で休むことができます）はまた、本当に生態学/環境の原則をよく理解していた優秀な訓練を受けた統計学者でした。彼は全米および世界的にも生態学/環境科学者にとって非常に貴重な統計コンサルタントを務めました。

彼には私が知っている本はありませんが、彼のコースノートは引き続きオンラインで入手できます。

1. 生態学における統計的方法 [または2012年版]

   コースの説明：これは、生態学者とその親族のための統計モデリングのコースです。基本的な統計手法、主に回帰に焦点を当て、それらを拡張して生態学的データの分析により適切にする方法について説明します。これらの拡張には、より現実的な確率モデル（正規分布を超える）の使用と、観測値が統計的に独立していない状況の説明が含まれます。検討する各モデルについて、頻出法（可能な場合）とベイズ法の両方を使用してそれを推定する方法を確認します。ここでの重点は、幅ではなく深さです。（私が教えるもう1つの大学院コースであるECOL 562は、環境科学に役立つさまざまな統計手法をカバーする調査コースです。このコースは、そのコースの資料の40％に焦点を当てていますが、より深くカバーしています。）

   仮説検定などの統計分析の標準的なパラメトリックアプローチに精通していることを前提としています。このコースは、学部の統計コースで一般的に教えられていることと、生態学や環境科学のデータを正しく分析するために実際に必要なこととの間の移行を目的としています。理想的な入学者は、入門統計学コースをすでに受講しており、環境科学および生態学への統計学の現代的応用を見たいと考えている、上級レベルの大学生または初級の大学院生です。トピックは次のとおりです。

   - 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. 環境科学の統計 [または2007 ; 2012年版]

   コースの説明：生態学と環境科学のための統計的手法の紹介。これはトピックコースです。ここでは、深さではなく幅に重点を置いています。（私が教える他の大学院コースでは、このコースの最初の3分の1で取り上げられているトピックに詳細なアプローチをとっています。）仮説検定などの統計分析の標準的なパラメトリックアプローチに精通していることを前提としています。このコースは、学部の統計コースで一般的に教えられていることと、生態学や環境科学のデータを正しく分析するために実際に必要なこととの間の移行を目的としています。理想的な入学者は、入門統計学コースをすでに受講しており、環境科学および生態学への統計学の現代的応用を見たいと考えている、上級レベルの大学生または初級の大学院生です。トピックは次のとおりです。

   - 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. 生態学と進化の統計

   コースの説明：これは、生態学者とその親族のための統計モデリングのコースです。基本的な統計手法、主に回帰に焦点を当て、それらを拡張して生態学的データの分析により適切にする方法について説明します。これらの拡張には、より現実的な確率モデル（正規分布を超える）の使用と、観測値が統計的に独立していない状況の説明が含まれます。トピックは次のとおりです。

   - 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. エコロジー145—統計分析

   ECOL 145は、生態学的データの分析を徹底的に紹介することを目的としています。その対象読者は、理想的に分析するための独自のデータを持つ生物学的に関連した分野の非常にやる気のある大学院生と上位レベルの大学生で構成されています。これは真面目で実践的なコースであり、ジレタンテや、単に監査と観察をしたい人には適していません。私たちは、RとWinBUGSの2つの最新の統計パッケージの使用に焦点を当て、それらを使用して実際のデータセットとそのすべての問題に取り組みます。自分の研究を実行し、自分のデータを分析するのに近ければ近いほど、このコースはより役立つはずです。

   コースの視点は、確率モデルはデータ生成メカニズムとして最もよく考えられており、この視点に沿って、尤度ベースの方法を使用して生態学的データを直接モデル化することです。データセットは、公開された文献、自分のコンサルティングプロジェクトからのものであるか、コースに登録している学生から提供されています。分析する必要があるデータがある場合は、クラスの演習で使用するために私に送信してください。トピックは次のとおりです。

   - 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
   

コース間には多くの重複があると確信していますが、彼のノート（およびRコード）はこれらのコースごとに利用可能であり、この投稿にアクセスするほとんどの人にとって非常に役立つはずです。