アオジの巣２

調査プロットで作業しているとまたもやアオジが騒ぎだした。

なんか近くでチッチッ・・・・とずっと鳴いているし、よく見るとなにやら餌をくわえている。

そういえばここは、アオジの巣がある場所だ。

じっと観察していると、アオジが例の巣がある場所に降り立つ

と、

チュチュチュチュチュ・・・・・・

複数で騒いでいる。そしてなんかばたついている。

ちょっと落ち着いたところでそこに行ってみると、

巣立ちしてる！！

（なぜだかシデムシがいた）

もしかしたら巣立ちの瞬間に立ち会ったのか？

そうか、このアオジは営巣放棄することなく、子どもたちを巣立ちさせたのか。

巣の中にいるヒナの姿を拝めなかったのは残念だが、営巣放棄されて凹むよりはましか。

あの時は、絶対営巣放棄したものだと思っていたが。

正確な生まれた時はわからないが、卵を見つけて２週間くらいだから、アオジは生まれたら２週間たらずで巣だってしまうのか。

助成金

以前応募した助成金から返事が返ってきた。
去年も出して落ちたのだが、今回は封筒の厚みが違う。
封をあけてみると
「支給決定」
と書いてあった。

やった！！

初めて自力でとった外部資金だ。
調査のガソリン代とか学会旅費とかが賄える。
今、ガソリン代高いからね。
自分の車はそれほど燃費がよくない。そんななか、一週間で５００ｋｍ以上走る時もあるので、ほんとにありがたい。

森林総研へ

今週は、森林総研北海道支所で調査だった。
ここに訪れたのは、今回が初めて。

街中にこんな森林が残っているんだと思っていたが、地図で確認すると、森林が広がっている。しかし、北海道支所の森林は繋がってはいないそうで、クマは今まで出てないとここの研究員のお話。

林内を歩くと、動物の痕跡がよく見つかる。

フクロウのペリット

このペリットには、ネズミの下顎が入っている。

タヌキのため糞

夜、林内を走らせるとキツネを何頭も確認した。

ニホンテンも見た。

自分の仕事の方もなんとかノルマは達成。
とりあえずひと安心。

ここの林床はササとツタウルシばっかりだ。

もうウルシ天国。今までウルシにかぶれた覚えはないのだが、なんか手首がかゆくて湿疹ができている。
ついに自分もウルシにやられるからだになってしまったか・・・

去年の大雪

去年の写真

去年は天気が良かったので、お鉢を一周した。

2007.7.15撮影

エゾタカネスミレがお鉢の周りにたくさん咲いていた。

　

今年もシマリスは観察はできたが、撮影ができなかった。

去年は、けっこう愛想がいいしーまに会えました。

　

ジャンプ！

山登りは晴れに限りますね。

大雪登山

4：00起床。
黒岳へ。
天気がちょっとおもわしくない。
前日、雨が降ったし、日の出前にも雨が降った。
ちょっと不安だけど、朝がたは何とか晴れ間も見えだしているので予定通り登ることにする。

朝６時始発のロープウエーに乗り、５合目へ。
さらにリフトに乗り７合目へ。

そこから歩いて頂上へ向かう。

雨が降ったりやんだりの天気の中、それなりに鳥が出てくれた。
ウソ

ホシガラス

今年はたくさん見ることができた。

ノゴマを見ることができたが写真には収められず。
ルリビタキは声のみ。

頂上に到着。

頂上からさらに石室へ。
途中に結構、コマクサが生えている。

石室では休憩中に近くにギンザンマシコが出てくれた。

さらに写真は撮れなかったもののカヤクグリも見られた。

あっさりと目的の鳥（ギンザンマシコ・ホシガラス）が見れてしまったうえ、
天気も悪いので、なんかもう帰ってもいいじゃないかという雰囲気に包まれる。
時刻はまだ１０時前。
天気もまだ持ちこたえているので、まだ帰るのはもったいないので、
周囲をちょっと散策。

そしたらギンザンマシコの番い発見。

なにやら種子を食べているようです。

帰りは、雨に降られゲンナリ。
しかし、鳥が結構見られたので結構満足。

最後に温泉。
朝陽亭の温泉が豪華で６００円。
最近リニューアルしたそうです。
ここいいです。

カムイコタン

大雪山の黒岳へ一泊二日の鳥見行。

前日は、麓でキャンプするための移動日。
午後からゆっくりめに出発して層雲峡のキャンプ場へ。

すこし余裕があったので、途中神居古譚で休憩がてら散策。

キビタキがわりかし近くで見られた。

一本の木が周りの木と比べて異様に葉が薄かった。

上の写真をよく見ると大量に毛虫がとりついていた。

周りの木にも多少ついているがこの木にだけ大発生。
なぜだか、この木がこのイモムシに大量に食害されているのだろう。

このムシはいったい何なんだろう？
樹種はたぶんダケカンバ。

GPSテレメ２

TOEFの後輩からメールで知らせてくれた。

中型肉食動物の研究をやられている佐伯さんがテレメ関係の情報をまとめた論文を出してくれているそうです。

具体的なメーカーなどは出ていないけれど、GPSテレメは一式そろえると百まんはくだらないそうだ。
首輪だけでも十数まん。

その後輩がメールで書いた言葉を勝手に引用して終わろうと思います。

「GPSテレメがリーズナブルになって普及するとすごくありがたいですね。現場に行く回数が減って地球にも優しいです（笑）」

8月・9月のＲ本

Rjpwikiに新しいR本情報が載っていますね。

『一般化線形モデル入門　第2版』(R 利用のガイド付き)（共立出版）8月発売

ＧＬＭの理論的な解説をしてくれている教科書ですね。

An Introduction to Generalised Linear Models (Texts in Statistical Science.) 著者：Annette J. Dobson 販売元：Crc Pr I Llc Amazon.co.jpで詳細を確認する

↑の本の和訳のようです。

アマゾンにレビューが書かれています。

この本、原著では第三版もあるようです（なぜだかアフィリエイトが貼れない）。

一般線形モデルによる生物科学のための現代統計学―あなたの実験をどのように解析するか 著者：Alan Grafen,Rosie Hails 販売元：共立出版 Amazon.co.jpで詳細を確認する

共立出版からはこっちも出てますよね。
こっちは、正規分布のモデルのみの話ですが、基礎から書かれているようなので、この本を読んでから上の本を読むと理解が一層深まるのではないでしょうか。

『ベイズ統計データ分析 ―R & WinBUGS― （統計ライブラリー）』（朝倉書店）9月発売。

朝倉書店からまたまたＲ＆ベイズ本が出るんですね。

この手の本が出てくるのは非常にうれしいのですが、
すでに自分はベイズ関連の本は５冊もっているのに、
まったくベイズが使えない（あまり一生懸命勉強していない）ので、この本はいったん保留だな。
出てから評判を聞いてから買うかどうか考えよう。

ZIPな動物

Zero Infrated な分布をする動物にはどんなのがいるだろうか？
まず、考えられるのは、数が少ない希少種。探してもなかなか見つからなければ、０ばかりが並び、Zero Infratedになるだろう。
あと、遠洋研のPDFでは、混穫ってのも挙げられている。

他にもなにかないかと考えると意外と身近にそんな動物たちがいる。
全体から見ればたくさんいて、多様だけど、非常に分布の偏りが大きい動物群集。
別名貧者の熱帯林。土壌動物群集だ。

ちょうど、土壌動物学の国際誌であるPedobiologiaにそんな論文が出版された。
The excess-zero problem in soil animal count data and choice of appropriate models for statistical inference Volume 52, Issue 1, 30 June 2008, Pages 1-17

この論文では、ザンビアのMiomboとAgroforestryで土壌動物を採ったデータを用いて、その動物たちがどんな分布をしているかを、
log変換して最小二乗法(Ordinary least squares regression)、線形混合モデル(Linear Mixed Model)、ポアソンモデル(Poisson)、擬似ポアソンモデル(Poisson with correction for Overdispersion←quasi-likelihoodをつかうやつ)、負の二項分布(Negative Binomial)、ZIP(Zero Inflated Poisson)、ZINB(Zero Inflated Negative Binomial)で比べてAICcとBICで当てはまりを調べている。

MiomboとAgroforestryでそれぞれ、ミミズ、ヤスデ、ムカデ、甲虫、アリ、シロアリの数を調べた結果、
MiomboのミミズとAgroforestryのヤスデ以外はみんな負の二項分布が一番あてはまりがよく、MiomboのミミズはZIP、AgroforestryのヤスデがZINBに当てはまっていた。

という内容です。

やはり土壌動物はポアソンにはあまり当てはまらなくて、負の二項分布の方が当てはまりがいいわけね。
これは、自分の解析の経験と一致する。

ZIP、ZINBなどは、大別した分類群ごとではなりにくいけど、種ごと（特にササラダニとかトビムシ）になると結構この分布に従うものがいるのではないかな。

あと論文の中では、それぞれの確率分布で説明変数のＰ値や信頼区間がどう変わるかとか推して測るべしな内容が述べられています。

最終的ににこの論文の言いたいことは、
「土壌動物はヘテロに分布するから変数変換＆ANOVAやノンパラじゃだめですよ」
ということです。

惜しむらくは、この論文はSASを使って解析をしている。
Appendixでご丁寧にSASコードまで載せている。
これがRコードだったらもっとおもしろかったのになあと思います。

個人的には、なにか適当にいいデータがあれば、同じようなことをＲでやってEdaphologiaに日本語で投稿したら載るんじゃないかと思ってしまった。

hurdle model

昨日紹介した遠洋水研外洋資源部鯨類管理研究室の岡村寛さんのありがたいＰＤＦにhurdle modelというのも紹介されています。

遠洋水産研究所といえば、資源選択検定のレビューとＲコードを書いてくれた人達ではないですか。
これもかなりありがたいです。

話をもとに戻して、
Hurdle modelもpsclパッケージに扱われています。

以前KuboLogにて0の切れたポアソン分布の話題が出ていました。

これもHurdle modelの一種のような気がします。

KuboLogではVGAMパッケージのvglm(,family=pospoisson)で解いているが、

psclパッケージならhurdle()で解けるのかな？
hurdle()は、0の部分とそれ以外の部分を別々に推定してくれるので。

というわけでKuboLogコードをパクって検証。

v.sample <- rpois(1000, exp(-1))
y <- v.sample[v.sample > 0]
cat("# length(y) =", length(y), ", mean(y) = ", mean(y), "\n")
# length(y) = 323 , mean(y) =  1.235294
fit1 <- vglm(y ~ 1, family = pospoisson())
fit2 <- hurdle(y ~ 1)
以下にエラー hurdle(y ~ 1) :
  invalid dependent variable, minimum count is not zero
fit3 <- hurdle(v.sample ~ 1)
summary(fit1)

Call:
vglm(formula = y ~ 1, family = pospoisson())

Pearson Residuals:
                 Min       1Q   Median       3Q    Max
log(lambda) -0.46948 -0.46948 -0.46948 -0.46948 7.5117

Coefficients:
               Value Std. Error t value
(Intercept) -0.82411    0.11102  -7.423

Number of linear predictors:  1

Name of linear predictor: log(lambda)

Dispersion Parameter for pospoisson family:   1

Log-likelihood: -136.0555 on 322 degrees of freedom

Number of Iterations: 5

summary(fit3)

Call:
hurdle(formula = v.sample ~ 1)

Count model coefficients (truncated poisson with log link):
            Estimate Std. Error z value Pr(>|z|)   
(Intercept)  -0.8241     0.1110  -7.423 1.15e-13 ***
Zero hurdle model coefficients (binomial with logit link):
            Estimate Std. Error z value Pr(>|z|)   
(Intercept) -0.74002    0.06762  -10.94   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Number of iterations in BFGS optimization: 6
Log-likelihood:  -823 on 2 Df

ごめんなさい。まったくの別物でした。

で、ここまで書いて、統計学なんでもあり掲示板の５２７２番からその一連のレスを読むともうすでにこのことについて議論されたあとでしたね。

完全に恥さらしなので、全部消そうかと思ったけど、ここまで書いてしまったのでこのままアップすることにします。

で、Hurdle modelっていったい何なんだろう？

０とそれ以外を別個に計算するのはZero Inflated modelも同じなわけだし。

雰囲気としてHurdle modelとZero Inflated modelはお仲間で計算方法が違うものという認識でいいのかな。

overdispersionが0に引っ張られるときに、0がすごくたくさんある時は、Zero Inflated Modelで、そうでなさそなときはHurdle Modelということか？