改善生物调查的精确性和减少偏倚：估计假阴性错误率

在野生动物管理和生物调查中，使用存在/缺失数据是普遍的。人们越来越关注量化与这些数据相关的误差来源。我们展示假阴性错误（在物种实际上存在时未能记录该物种）可以对使用模拟数据的栖息地模型的统计估计产生显著影响。然后我们介绍了一种逻辑模型的扩展，零膨胀二项（ZIB）模型，允许估计假阴性错误的发生率，并通过对同一地点的重复访问来修正假阴性错误的发生概率估计。我们的模拟显示，即使相对较低的假阴性率也会偏倚栖息地效应的统计估计。三次重复访问的方法消除了偏倚，但估计相对不精确。六次重复访问将估计的精确度提高到与在没有假阴性错误的情况下使用常规统计获得的可比水平。一般而言，当错误率≤50%时，增加更多地点会获得更高效率，而当错误率>50%时，增加重复访问的次数更为有效。我们通过三个案例研究强调该方法的灵活性，清晰地展示各种常用调查方法中假阴性错误的影响。