综述：结构方程建模（SEM）在野生动物生态学中的使用、误用及其应用前景

《Journal of Applied Ecology》：The use, misuse and opportunities for structural equation modelling (SEM) in wildlife ecology

被动探测技术（如野生动物相机和生物声学）在社区生态学中的应用，通过模拟数据对比R语言四种SEM工具包（piecewiseSEM、glmmTMB、brms等）的效能，发现整合零膨胀负二项分布（ZINB）能提升路径分析精度，但探测可及性仍是关键挑战。

　　

摘要

1. 在野生动物相机和生物声学等被动检测技术方面的进步，为社区生态学家理解物种间相互作用和食物网提供了巨大的潜力。然而，尽管被动传感器相对容易操作，但用于研究构成食物网的复杂因果关系的统计工具则需要较长的学习曲线。
2. 本文回顾了利用观测数据集评估生态相互作用的分析工具。我们通过展示路径分析和结构方程建模（SEM）是如何基于广义线性混合模型（GLMM）发展而来的，并将其与考虑可检测性的层次模型进行关联，来说明这些工具的适用性。我们使用了一个模拟的野生动物观测数据集（来自相机），比较了R语言中四种主流SEM软件包的功能和性能。
3. 表现最好的是piecewiseSEM软件包，它使用glmmTMB包进行路径拟合，并通过中介变量来处理零膨胀问题。brms软件包是第二好的选择。然而，没有哪个SEM软件包具备所有理想的功能，它们在估计偏差、精度（标准误差）和计算时间方面存在差异。
4. 我们还比较了被动检测器获取的数据使用离散分布和连续分布的情况，发现零膨胀负二项分布（ZINB）对于处理计数数据的SEM模型来说是最灵活且偏差最小的。
5. 综合与应用：将SEM与来自被动检测器的观测野生动物数据集相结合，可以显著提升对食物网、生态系统功能及保护工作的认识深度、丰富度和可靠性，但如何准确考虑可检测性仍是一个关键挑战。

利益冲突声明

作者不存在利益冲突。

数据可用性声明

所有数据均存档于Zenodo（https://doi.org/10.5281/zenodo.17122491，Mendes & Luskin，2025）和GitHub（https://github.com/CalebePMendes/SEM_methods_manuscript.git）。