Abstract
When modeling the stock–recruitment (S–R) relationship, the Cushing, Ricker, and other S–R models are fitted to the observed S–R data by estimating parameters with assumptions made concerning the model error structure. Using a generalized linear model approach, we explored and identified the appropriate model error structure in modeling S–R data for gadoid stocks. The S–R parameter estimation was found to be influenced by the choice of error distributions assumed in the analysis. In modeling S–R data for gadoid stocks, the Beverton–Holt model was found to be more sensitive to the assumption of model error distribution than the Cushing and Ricker models. The lognormal and gamma distributions had higher probability of being acceptable model error distributions. Cluster analyses and summary statistics of error distributions in S–R modeling did not show consistent patterns in the identification of an acceptable model error structure among species, geographic distributions, and sample sizes. A better understanding of the factors and mechanisms resulting in differences in the choice of appropriate model error distributions for different populations is needed in future research. We recommend that the generalized linear model be used to identify acceptable model error structures in quantifying S–R relationships.Lorsqu'on fait un modèle de la relation entre le stock et le recrutement (S–R), on ajuste les modèles de Cushing, de Ricker et les autres modèles S–R aux données observées en estimant des paramètres et en faisant des présuppositions sur la structure d'erreur du modèle. À l'aide d'une modèle linéaire généralisé, nous avons étudié et identifié la structure d'erreur du modèle appropriée à la modélisation de données S–R chez les stocks de gadoïdés. L'estimation du paramètre S–R est influencée par le choix des distributions d'erreurs présupposées dans l'analyse. Pour la modélisation des données S–R de stocks de gadoïdés, le modèle Beverton–Holt s'est révélé plus sensible au choix de distribution d'erreurs du modèle que les modèles de Cushing et de Ricker. Les distributions lognormale et gamma ont une plus forte probabilité d'être des distributions des erreurs du modèle acceptables. Des analyses de groupement et des statistiques générales des distributions d'erreurs dans les modèles S–R n'indiquent pas de patterns constants dans l'identification d'une distribution d'erreurs du modèle acceptable en fonction des espèces, des répartitions géographiques et des tailles d'échantillons. Il sera nécessaire, dans les recherches futures, d'obtenir une meilleure compréhension des facteurs et des mécanismes responsables des différences dans le choix de distributions d'erreurs du modèle appropriées aux différentes populations. Nous recommandons d'adopter le modèle linéaire généralisé pour identifier les structures d'erreurs du modèle acceptables lorsqu'on quantifie les relations S–R.[Traduit par la Rédaction]
Disclaimer: Any content in publications that violate the sovereignty, the constitution or regulations of the PRC is not accepted or approved by CNPIEC.
Access to resources
Recommend
