Mi interés reside en identificar los predictores más sólidos de la tasa de crecimiento anual per cápita para tres grupos de especies de aves: residentes, migrantes de corta distancia y migrantes de larga distancia. Mi modelo utiliza la tasa de crecimiento per cápita como variable dependiente, la densidad de aves durante la época reproductiva y 13 predictores ambientales (diversas medidas de clima, abundancia de alimento y depredación de nidos). Utilizo el enfoque de "todos los modelos posibles" en el programa Stepwise (JMP Pro 17) para reducir el número de predictores a tres y minimizar el riesgo de sobreajuste, ya que el tamaño de la muestra (un valor por cada año) es de tan solo 27 años (el conjunto de datos tiene 27 filas y 15 columnas). Dado que el BIC de algunos modelos de 3 predictores difiere poco, planeo incluir los predictores múltiples en estos modelos en una segunda etapa de reducción del modelo mediante la técnica de Red Elástica Adaptativa (AEN) (programa de Regresión Generalizada). AEN también proporcionará coeficientes de regresión (±SE), significancia estadística y factores de inflación de la varianza para cada predictor del modelo final. Tengo una expectativa direccional para cada predictor, derivada de la investigación a largo plazo en nuestro sitio de estudio. Por ejemplo, las temperaturas más cálidas aumentan la abundancia de alimento y el éxito reproductivo, mientras que una mayor densidad reproductiva reduce el éxito reproductivo. Mis preguntas se refieren a comparaciones múltiples.
1) Aunque la densidad es única para cada uno de los tres modelos (uno para cada grupo de aves), los predictores ambientales son los mismos. ¿Debo realizar correcciones para comparaciones múltiples (por ejemplo, corrección de Bonferroni) porque los predictores ambientales se utilizan en cada uno de los tres modelos?
2) ¿El uso del enfoque de "todos los modelos posibles" para la reducción del modelo me coloca en problemas estadísticos profundos debido a muchos, muchos usos de los predictores para encontrar los modelos con tres predictores que tienen el BIC más bajo?
3) Supongo que debido a que la "densidad" de predictores es única para cada modelo, y debido a que tengo una expectativa a priori de su influencia, estoy en terreno firme para realizar inferencias con respecto a este predictor, pero no estoy seguro de si eso es válido para los predictores ambientales.
Disculpen si estas preguntas son ingenuas; me cuesta encontrar orientación en la literatura sobre comparaciones múltiples. No he encontrado una referencia clara sobre la inferencia tras la reducción del modelo. Quizás conozcan alguna. Muchas gracias por su ayuda.
