安妮塔和瑞秋的一篇论文被《农业生物和环境统计杂志》接受。

捕获-再捕获数据中检测捕获异质性的正关联检验

Anita Jeyam, Rachel S. McCrea, Thomas Bregnballe, Morten Frederiksen和Roger Pradel

cormark - jolly - seber (CJS)模型假设所有标记的动物在每个采样场合都有相同的再捕获概率，但捕获的异质性经常发生，应考虑到这一点，以避免参数估计的偏差。虽然诊断测试通常用于检测陷阱依赖或短暂性，并评估模型的总体拟合，但捕获中的异质性并不经常进行测试。为了在CJS框架中检测和识别这种现象，我们建议使用Goodman-Kruskal 's gamma测试之前和未来遭遇之间的正相关。该测试仅基于原始的捕获历史，对模型结构没有任何假设。该测试的开发是由三明治燕鸥(Thalasseus sandvicensis)的数据集驱动的，我们使用该测试正式表明它们在捕获中表现出异质性。我们使用模拟来评估测试在捕获异质性检测方面的性能，与现有和修正的诊断拟合优度测试、莱斯利等可捕获性测试和卡罗瑟斯对莱斯利测试的扩展进行比较。正关联测试易于使用，产生良好的结果，显示出在捕获中检测异质性的高功率。我们建议在模型拟合之前使用这种新的测试，因为结果将指导模型构建过程，并有助于得出更准确的生物学结论。

全文可以在这里找到:https://link.springer.com/content/pdf/10.1007%2Fs13253-017-0315-4.pdf