評価・予測分科会 assessment and projection データに基づく評価と予測 使われてこそのデータ 考えるべきこと • 既存データの掘り出し方・生かし方 • 新しいデータの取り方 情報の 流れ • データのしまい方・つ なぎ方 • データの提供の仕方 評価：予測 •データの解析の仕方 •解析結果の利用の仕方 利用を意 識した情 報整備 • 既存データの掘り出し方・生かし方 • 新しいデータの取り方 寄せ集めることを意図して取られたデータ 寄せ集められることを意識せずに取られたデータ 人が取ったデータを集めて解析するときの留意点 • データの精度（測定，同定，見逃し…） • サンプルのバイアス（調査努力の偏在，不在 データの不在…） • 既存データの掘り出し方・生かし方 • 新しいデータの取り方 サンプル数・カバーする範囲と，精度とのト レードオフ 調査項目の選定：重要だが調査が困難な こと，簡単に測れるがあまり情報にならな いこと… 他の調査と比較して解析できること（他の 地点，他の時点（過去，将来）） • 既存データの掘り出し方・生かし方 • 新しいデータの取り方 分科会での発表の例 植物の絶滅リスク 粗く広くカバーする • 既存データの掘り出し方・生かし方 • 新しいデータの取り方 分科会での発表の例 日本列島の多様性ホットスポット解析 •データのしまい方・つなぎ方 •データの提供の仕方 データを集める・つなげることで，時空間 的な広がりが大きくなる • 生データの解析結果を集めて二次的な 解析をする（メタ解析 ） • 多くの人がそれぞれに集めた生データを 寄せ集めて解析する •データのしまい方・つなぎ方 •データの提供の仕方 大小，新旧，国際・国内，さまざまなしくみ すでに他の分科会の基調講演で紹介されて いるはず． •データの解析の仕方 •解析結果の利用の仕方 分科会での発表の例 植物の絶滅リスクと生態的特性との関係 －系統関係も考慮して すでになされた解析結果の組み合わせ •データの解析の仕方 •解析結果の利用の仕方 統計的検定は有効か • 興味があるのは，ある要因の影響があるかない かではない（そもそも，厳密に影響がゼロというこ とはまずない） • 影響の大きさに興味がある • 帰無仮説を立てての仮説検定は，こうした状況に は不向きなことが多い． 第一種の過誤 偶然の現象を，意味があるもの（なんら かの背景による必然）と誤って解釈 統計的に有意→実は影響がないのに， 影響があるかのようなデータが偶然得 られた確率が十分に小さい． ↑「有意な影響」が検出されるまでなにも しなくてよいのか？ 統計的検定（影響の有無など）以外の統計手法 モデル選択：現象をよりよく表現する統計モデルを選ぶ ベイズ統計：事前の情報（パラメータの事前分布）と追加 されたデータを組み合わせ，情報をアップデート ↑データが少しずつ得られる場合に有効かも ベイズ推定の説明 データによる事前分布のアップデート 得られた事後分布を，次の解析時に 事前分布として使う． •データの解析の仕方 •解析結果の利用の仕方 ○か×かではないアウトプット(確率予報）の 使い方 • リスク評価(ハザードの大きさ x ハザード の発生確率） • 効果の期待値を最大化するような保全努 力の配分 • … 統計モデルとプロセスモデル 当てはまりがよいモデル 現象のメカニズムを表現するモデル ↑ これらは必ずしも排他的ではない． シミュレーション＋統計 プロセスを踏まえた統計モデル 統計モデルとプロセスモデル 分科会での発表の例 環境の空間的異質性を考慮したシカの分 布拡大モデル 外来生物の分布拡大予報 統計モデルとプロセスモデル メカニズムの理解が不正確だと，統計的な 解析も正しくできない． ・たとえば偽反復：メカニズムを踏まえれば あきらかに独立ではないデータを，独立だ として解析 統計モデルとプロセスモデル 分科会での発表の例 環境の長期トレンドとランダムな変動のもと での分布限界の動態のモデル メカニズムの理解が結果の解釈を左右する • 既存データの掘り出し方・生かし方 • 新しいデータの取り方 • データのしまい方・つ なぎ方 各段階で様々な留 意点あるはず • データの提供の仕方 →出し合って考える 評価：予測 •データの解析の仕方 •解析結果の利用の仕方 •データの解析の仕方 •解析結果の利用の仕方 「評価・予測の試み」ではなく，使える ツール・使われるツールとして責任を 持って提供するにはどうしたらよいか？
© Copyright 2024 ExpyDoc
