Joint Count Transformation Models with Covariate-dependent Correlations

Technische Samenvatting: Joint Count Transformation Modellen met Covariaat-afhankelijke Correlaties

Probleemstelling
Joint Species Distribution Models (JSDMs) zijn cruciaal voor het begrijpen van hoe ecologische covariaten soortengemeenschappen vormen en voor het onderscheiden van gedeelde milieureacties van werkelijke biotische interacties. Echter, bestaande benaderingen kampen met twee primaire beperkingen:

1. Rigide parametrische aannames: De meeste JSDMs vertrouwen op Multivariate Generalized Linear Mixed Models (MGLMMs) of Generalized Linear Latent Variable Models (GLLVMs) die specifieke parametrische verdelingen (bijv. Poisson of Negatief Binomiaal) veronderstellen. Deze aannames slagen er vaak niet in om complexe kenmerken zoals overdispersie, onderdispersie en hoge frequenties van nul-aantallen te vatten zonder arbitraire transformaties (bijv. $\log(y+1)$) die onjuist continu voortvloeibare waarschijnlijkheden veronderstellen voor discrete data.
2. Statische correlatiestructuren: Huidige methoden modelleren interspecifieke associaties doorgaans als statische residuele correlaties. Ze missen het vermogen om te modelleren hoe deze associaties dynamisch veranderen als reactie op omgevingscovariaten (bijv. seizoensgebondenheid), een fenomeen dat wordt waargenomen in de ecologische literatuur waar competitie of correlatiepatronen verschuiven met omgevingscondities. Bovendien vertrouwen veel bestaande copula-gebaseerde methoden op tweestaps-schattingsprocedures (het schatten van marginalen vóór de copula-parameters), wat leidt tot onjuiste standaardfouten, of zijn ze beperkt tot continue data.

Methodologie
De auteurs introduceren Joint Count Transformation Models (JCTMs), een nieuw framework dat distributievrije marginale modellen combineert met een covariaat-afhankelijke latente Gaussische copula.

• Marginale Modellen: In plaats van een parametrische verdeling aan te nemen, gebruiken JCTMs count transformation models (Siegfried en Hothorn, 2020). Deze modellen schatten een monotone transformatiefunctie $h_j(y_j)$ direct uit de data met behulp van Bernstein-polynomen. Dit stelt het model in staat om complexe distributionele kenmerken (scheefheid, zero-inflatie) te accommoderen zonder vooraf gespecificeerde distributionele aannames. Het framework breidt zich uit naar location-scale transformation models (Siegfried et al., 2023), waarbij zowel de locatie (shift) als de schaal van de getransformeerde aantallen afhankelijk zijn van covariaten via lineaire predictoren.
• Covariaat-afhankelijke Copula: De gezamenlijke verdeling wordt geconstrueerd met behulp van een latente Gaussische copula $\Phi_{0, \Sigma(\mathbf{x})}$. De correlatiematrix $\Sigma(\mathbf{x})$ is niet statisch; deze varieert als een functie van covariaten $\mathbf{x}$. Om te garanderen dat $\Sigma(\mathbf{x})$ tijdens de schatting een geldige correlatiematrix blijft, parametriseert de auteur deze met een geschaalde inverse Cholesky-factor $\Lambda(\mathbf{x})$, waarbij de off-diagonaal elementen gemodelleerd worden als lineaire predictoren van de covariaten.
• Interpretatie: De correlaties op de latente getransformeerde schaal kunnen worden omgezet naar Spearman's rangcorrelatie ($\rho$) of Kendall's $\tau$, wat interpreteerbare maten van associatie biedt op de geobserveerde tel-schaal.
• Inferentie: Alle parameters (marginale transformatie, shift, schaal en copula-parameters) worden simultaan geschat via joint maximum likelihood estimation (MLE). De likelihood wordt afgeleid van de exacte discrete log-likelihood van interval-gecensureerde data, gebruikmakend van Genz' algoritme voor multivariate normale integratie. Deze gezamenlijke schatting zorgt voor asymptotisch correcte standaardfouten, waardoor de valkuilen van tweestaps-procedures worden vermeden.

Belangrijkste Bijdragen

1. Distributievrije Marginalen: Het framework elimineert de noodzaak voor rigide parametrische aannames (bijv. Poisson) voor tel-data, en biedt een flexibele, semi-parametrische benadering die van nature over- en onderdispersie en zero-inflatie afhandelt.
2. Dynamische Interspecifieke Associaties: JCTMs zijn het eerste JSDM-framework dat expliciet covariaat-afhankelijke correlaties voor tel-data modelleert, waardoor interspecifieke associaties kunnen variëren over milieugradiënten (bijv. tijd/seizoen).
3. Gezamenlijke Schatting: De methode biedt een verenigd MLE-framework dat marginalen en afhankelijkheden gelijktijdig schat, wat zorgt voor geldige statistische inferentie en de bias van tweestaps-schatting voorkomt.
4. Computationele Haalbaarheid: De auteurs demonstreren dat joint MLE computationeel haalbaar is voor gemeenschappen van tot wel 10 soorten, geïmplementeerd in het R-pakket tram.

Resultaten
Het framework werd toegepast op dagelijkse telgegevens van drie visetende vogelsoorten (Zwarte meeuw, Fuut en Mandarijn eend) bij het Meer van Seehamer over 14 jaar.

• Marginale Prestaties: Het model slaagde erin om complexe seizoensgebonden abundantiepatronen te vatten, inclusief perioden met hoge nul-aantallen in de zomer voor de Mandarijn eend en seizoensgebonden verschuivingen in variantie voor de andere soorten.
• Correlatiedynamiek: Het model onthulde sterke, seizoensgebonden variërende correlaties. Het identificeerde hoge positieve correlaties tussen alle drie de soorten tijdens de wintermaanden en perioden van matige negatieve correlatie in specifieke maanden (bijv. tussen de Fuut en de Zwarte meeuw in juni).
• Vergelijking met HMSC: De resultaten werden vergeleken met het Hierarchical Modeling of Species Communities (HMSC) framework, een state-of-the-art Bayesiaanse benadering.
  • Nauwkeurigheid: De JCTM-correlatiecurves kwamen nauw overeen met de empirische trajecten en de HMSC-resultaten.
  • Efficiëntie: De JCTM convergeerde in 10 minuten op één kern, terwijl het HMSC-model 10 dagen en 5 uur nodig had op 4 kernen.
  • Convergentie: Het HMSC-model vertoonde slechte mixing en convergentiediagnostiek voor covariantieparameters (mediane potentiële scale reduction factor van 5,53), terwijl de JCTM stabiele schattingen bood.
• Simulatie: Een simulatiestudie bevestigde de consistentie en nauwkeurigheid van JCTMs voor tot 10 soorten, hoewel de computationele complexiteit ongeveer exponentieel schaalt met het aantal soorten ($J$).

Betekenis en Claims
De paper claimt dat JCTMs een significante vooruitgang bieden ten opzichte van bestaande JSDMs door een flexibel, distributievrij alternatief te bieden dat geen concessies doet aan het vermogen om dynamische interspecifieke relaties te modelleren.

• Interpreteerbaarheid: In tegen tegenstelling tot MGLMMs waar random effects de marginale interpretaties vertroebelen, bieden JCTMs direct interpreteerbare marginale SDMs als een bijproduct van het fittingproces.
• Robuustheid: Door sterke parametrische aannames te vermijden, zijn JCTMs beter geschikt voor ecologische data die vaak voldoen aan standaard distributionele vereisten schenden (bijv. schaarse aantallen, complexe zero-inflatie).
• Haalbaarheid: De auteurs demonstreren dat joint maximum likelihood estimation voor covariaat-afhankelijke correlaties nu computationeel haalbaar is voor kleine tot middelgrote gemeenschappen (tot 10 soorten), wat een computationeel efficiënt alternatief biedt voor Bayesiaanse MCMC-methoden zoals HMSC.

De auteurs merken beperkingen op, waaronder de gevoeligheid van parameterschattingen voor de ordening van soorten in de Cholesky-factor (wat een sensitiviteitsanalyse vereist) en de huidige computationele onhaalbaarheid voor zeer grote gemeenschappen ($J > 15$) zonder dimensionaliteitsreductie of tweestaps-benaderingen. Ze waarschuwen ook dat residuele correlaties in fenomenologische modellen gedeelde reacties op niet-gemeten omgevingsfactoren kunnen vangen in plaats van directe biotische interacties.