glm模型和回归树模型在cpue标准化中的比较分析

在渔业资源评估中，cpue（catchperuniteffort）标准化是基础性工作。一般线性模型（generalizedlinearmodel，glm）已成为cpue标准化的基本方法，但glm模型在误差结构、自变量的选择、缺失数据、复杂交互效应及异常值处理等方面仍然缺乏灵活性。本文基于模拟数据及我国东、黄海鲐鱼（scomberjaponicus）灯光围网渔业数据，比较和分析了基于glm模型与回归树模型在cpue标准化中的效果。研究表明：当渔业数据不存在非线性关系与异常值时，glm模型与回归树模型均能较好地对cpue进行标准化，但由于回归树模型具有阶跃函数特征，因而glm模型更具优势；在非线性关系及异常值存在的条件下，回归树模型对cpue的标准化具有相对较小的估计误差，模型更简约、有效。由于回归树模型能可视化显示自变量与应变量间的复杂关系，因此，更有利于探索和分析渔业数据。