The Use of Bayesian Model Averaging to Better Represent Uncertainty in Ecological Models

Authors


† † email brendanw@unimelb.edu.au

Abstract

Abstract: In conservation biology, uncertainty about the choice of a statistical model is rarely considered. Model-selection uncertainty occurs whenever one model is chosen over plausible alternative models to represent understanding about a process and to make predictions about future observations. The standard approach to representing prediction uncertainty involves the calculation of prediction (or confidence) intervals that incorporate uncertainty about parameter estimates contingent on the choice of a “best” model chosen to represent truth. However, this approach to prediction based on statistical models tends to ignore model-selection uncertainty, resulting in overconfident predictions. Bayesian model averaging (BMA) has been promoted in a range of disciplines as a simple means of incorporating model-selection uncertainty into statistical inference and prediction. Bayesian model averaging also provides a formal framework for incorporating prior knowledge about the process being modeled. We provide an example of the application of BMA in modeling and predicting the spatial distribution of an arboreal marsupial in the Eden region of southeastern Australia. Other approaches to estimating prediction uncertainty are discussed.

Abstract

Resumen: La incertidumbre acerca de la elección de un modelo estadístico es raramente considerada en biología de la conservación. La incertidumbre de selección de modelo ocurre cuando se selecciona un modelo entre otros posibles modelos alternativos para representar el entendimiento de un proceso y para hacer predicciones acerca de observaciones futuras. El método estándar para representar la incertidumbre de predicciones implica el cálculo de intervalos de predicción (o confianza) que incorporan la incertidumbre en estimaciones de parámetros dependiendo de la selección de un modelo “mejor” seleccionado para representar la verdad. Sin embargo, este método de predicción basado en modelos estadísticos tiende a ignorar la incertidumbre de selección de modelo, lo que resulta en predicciones demasiado confiadas. El promedio de modelo Bayesiano (PMB) ha sido promovido en varias disciplinas como un medio simplificado para incorporar la incertidumbre de selección de modelo en la inferencia y predicción estadística. El PMB también proporciona un marco formal para la incorporación de conocimiento previo acerca del proceso a modelar. Proporcionamos un ejemplo de la aplicación de PMB en el modelado y predecimos la distribución espacial de un marsupial arbóreo en la región Edén del sureste de Australia. Se discuten otros métodos para estimar la incertidumbre de predicción.

Ancillary