一项跨学科研究工作揭示了狐猴的行为，旨在改善保护策略和圈养饲养结果。
挑战
统计学研究生需要有将知识应用于实际情况的经验。 其他学科的研究生需要帮助，使他们的研究在统计上更加稳健。
解决方案
弗吉尼亚理工大学的统计应用和创新小组 (SAIG) 将研究生水平的统计学家与其他领域的科学家配对，共同解决复杂的研究问题。 SAIG 顾问使用 JMP® 使统计分析变得更加平易近人、更具互动性。
结果
弗吉尼亚理工大学的两名博士生（一名统计学家和一名生态学家）探索了 JMP 中的实验室外营养数据，以确定具有生物学意义的变量，有助于解释野生狐猴消耗土壤的原因。 他们的研究结果旨在为影响这种极度濒危物种的保护管理策略提供信息。
查看更多...
科学家+统计学家=发现。 这是简单的数学。 弗吉尼亚理工大学统计学博士研究生黄建庚如是说。
黄会知道；在过去的三年里，他与弗吉尼亚理工大学鱼类和野生动物保护博士研究生布兰登·塞梅尔（Brandon Semel）合作，解释了野生狐猴种群土壤消耗的生态功能。 他们的共同努力揭示了许多生物学上重要的变量，代表着科学家对狐猴行为理解的扩展。
从实地考察到稳健的统计建模
塞梅尔在谈到他的研究时说，长期以来人们都知道灵长类动物会消耗土壤——这种行为被称为“食土”。然而，科学家们尚未解释为什么这种行为会进化以及它现在的目的是什么。 现有的假设综合考虑了营养、地理和人口因素，范围从减少寄生虫到补充矿物质再到排毒。 解决这个问题可能是了解自然资源保护主义者如何更好地指导他们的管理决策以增加该物种生存可能性的关键。
“马达加斯加的森林正在迅速消失，依赖森林提供食物和庇护所的 100 多种狐猴物种中的许多物种都面临着灭绝的威胁，”Semel 说。 “更多地了解狐猴的特定饮食需求将有助于我们将保护工作的重点放在剩余的最佳栖息地上，为圈养繁殖计划中的动物提供最好的照顾，并指导重新造林工作。”
狐猴，包括塞梅尔研究的狐猴，是马达加斯加特有的物种。 每年，塞梅尔都会长途跋涉前往该国东部山地森林，观察狐猴的行为并记录数据，例如咬合率、食物数量、食物类型以及消耗不同食物和土壤的时间。 然后，这些数据被转换为可以在实验室中更容易研究的营养信息：矿物质、脂肪、卡路里、纤维、蛋白质。
三年前，塞梅尔结束了一次这样的旅行回到布莱克斯堡，他发现自己面临着一些数据挑战，而他却没有做好应对的准备。数据集很大，变量多重共线性，缺失值很多。 为了提高研究结果的质量和准确性，塞梅尔通过弗吉尼亚理工大学统计部的统计应用和创新小组 (SAIG) 寻求合作伙伴关系。
PHOTOS BY BRANDON SEMEL布兰登·塞梅尔摄
PHOTOS BY BRANDON SEMEL布兰登·塞梅尔摄
大学倡议提供应用经验和更好的科学
SAIG 为全校其他学科的研究科学家提供统计合作、咨询和支持，是科学家 + 统计学家 = 发现公式的体现。 该小组的目标是帮助研究人员设计更强大的实验，磨练他们的数据建模和分析技能，并教他们使用所需的软件，将新获得的统计技能带入未来的研究。 作为回报，统计学研究生有机会将他们的专业知识应用到现实世界的场景中——这对于任何想要从事行业职业的应届毕业生来说都是宝贵的经验。
自从在弗吉尼亚理工大学开始学习并加入 SAIG 以来，黄建庚已经与来自林业和土木工程等不同领域的研究人员合作开展了 60 多个项目。 有些是快速周转的项目；其他人，例如他与塞梅尔的合作，则更为广泛。 “我们倾听并了解同事的研究背景，然后找出最合适的算法来解决他们的问题，”黄说。 “我们只是教他们如何钓鱼，然后他们就可以自己钓鱼了。”
当塞梅尔第一次来到 SAIG 时，他对钓鱼略知一二。也就是说，他了解线性模型，但不太了解如何应用它们。 而黄则对狐猴一无所知。 这种情况很快就发生了变化，两人现在成为了值得信赖的同事和好朋友。 他们携手合作，组成了令人敬畏的二人组。
“我有点担心 SAIG 的员工和我会在我们的专业领域互相谈论……而这对于达成相互理解来说是一个挑战，”塞梅尔回忆道。 “我研究了很多解决我遇到的问题的统计方法，但觉得我需要帮助将它们应用到我的特定问题上。”
联合管理计划®简化统计数据
在与塞梅尔坐下来更好地了解他的研究目标和参数后，黄开始探索数据。 他们一起讨论了一种方法，最终引导他们建立了一系列正则化线性模型，使他们能够一步选择重要特征并估计其影响。 通过将套索回归和岭回归与弹性网络相结合，他们能够解决多重共线性问题。 为了构建这些模型，他们使用了 JMP。
“我喜欢使用 JMP，因为它的交互性很强，”Huang 证明道。 “它非常用户友好，并且有很多可用的工具。”他还表示，由于用户不需要学习编写代码，JMP 使统计方法对于像 Semel 这样需要腾出时间专注于实地工作的科学家来说更容易上手。 “其他学科的研究人员都有不同水平的编程技能和统计知识。 许多正在进行的研究项目本质上是跨学科的，需要领域专业知识和统计计算的有效合作，”黄说。 JMP 使这个过程变得更加容易。 “特别是在早期探索阶段，我们希望尝试多种不同的方法来找出最适合当前问题的方法。 当我同时从事多个研究和咨询项目时，我无法花费 10 多个小时从头开始为我们想要尝试的每种潜在方法进行编码。”
这就是为什么 SAIG 计划不仅旨在让研究人员了解基本原理，而且还教他们如何使用 JMP。 黄说，由于该软件提供了广泛的预打包选项，研究人员不需要任何其他工具。 “JMP 让研究人员可以轻松分析自己的数据。 我认为这就是 JMP 真正酷的地方。”
广义线性模型解决了零通胀的挑战
塞梅尔有一个特别复杂的数据集。 因为在观察到狐猴吃食物但不吃土壤的任何情况下都会记录零值——而且并非所有狐猴都吃土壤——这意味着任何给定数据集中多达一半的数据可能为零。 “这个数据集的响应变量有一个特殊的结构，”黄说。 “我们称之为零膨胀。 如果您查看响应变量，就会发现计数数据中有许多零。 这是一个非正态数据集，我们在 JMP 中通过使用链接函数扩展到广义线性模型来处理它。 我们还需要对链接函数进行创新，在这种情况下，我们发现零膨胀泊松模型效果很好。”
即使对于训练有素的统计学家来说，处理“非正态”数据集也可能是一个挑战。 但黄知道这种情况肯定不会是 Semel 在该领域的职业生涯中的最后一次，因此黄与他合作开发了一种可以在 JMP 中轻松复制和适应的标准方法。 “你可以自己做，”黄回忆告诉他。 “您可以在 JMP 中执行此操作。”
为未来世界做好准备的经验
“我相信这种合作趋势是我们计划的重要组成部分，”黄谈到 SAIG 时说道。 “统计学是非常跨学科的，SAIG 让我们（统计学家）了解如何将这些统计方法应用于实际问题。 我们如何实际使用这些算法？ 我现在可能熟悉它们，但如果我不应用它们……[那么我的技能可能会生锈]。”
他说，这一切都回到了协作范式。 “你推进研究，但你也在这个过程中学习；你正在学习一些技能，当你继续做一些非纯粹统计的事情时，你可以应用这些技能。 研究本身很有趣。 共同努力，你会想出一个解决方案。”
虽然塞梅尔继续完成他对狐猴食地的研究，但他现在正在研究气候变化将如何影响狐猴种群。 “我们知道某些森林类型比其他森林类型可以养活更多的狐猴，”他说。 “我们还知道，气候变化已经导致世界各地森林类型的变化。 通过研究各种森林类型的狐猴饮食和种群，我希望根据当前保护区覆盖范围和各种气候变化情景来预测未来狐猴的丰度。 那个建模将需要更多的 SAIG 之旅！”
黄补充道：“我们都有不同的才能。 这就是我喜欢合作的原因。 我选择统计是因为我可以在每个人的后院打球。”
