If you are experiencing problems downloading PDF or HTML fulltext, our helpdesk recommend clearing your browser cache and trying again. If you need help in clearing your cache, please click here . Still need help? Email help@ingentaconnect.com

High variability in spawner–recruit data hampers learning

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Variability is a formidable opponent of experimental management aimed at detecting spawner–recruit (SR) effects in a short time frame. I fitted Ricker SR models to 214 different SR data sets and found that high residual error variability was common. For each of these data sets, in an a priori power analysis, I estimated the power of experiments that used the change in Ricker a as the treatment effect and a temporal reference alone (no subpopulation references). Power was calculated using both bootstrap resampling and the usual normal theory methods. The analysis revealed that large residual variability severely limits the power to detect large changes in recruits per spawner (R/S). At the median level of error variability, achieving the design criteria of α = 0.05 and power = 0.8 required an experiment that doubled R/S to last about 20 years (assuming an equal number of treatment and control years). Several approaches to countering large error variability are discussed along with their limitations.

La variabilité pose un défi considérable dans le montage d'expériences qui visent à détecter les effets des géniteurs–recrues (SR) sur une courte échelle de temps. J'ai ajusté les modèles SR de Ricker à 214 séries de données différentes de SR et j'ai régulièrement trouvé une grande variabilité dans les erreurs résiduelles. Pour chacune de ces séries de données, j'ai, à l'aide d'une analyse de puissance a priori, estimé la puissance des expériences qui utilisaient le changement du paramètre a de Ricker comme effet du traitement et une seule référence temporelle (sans référence à la sous-population). La puissance a été calculée à la fois par le ré-échantillonnage par bootstrap et les méthodes théoriques normales. L'analyse a révélé que la grande variabilité des résidus limite considérablement la capacité de détecter d'importants changements dans le nombre de recrues par géniteur (R/S). Au niveau médian de variabilité de l'erreur, pour obtenir comme critères du plan d'expérience un α de 0,05 et une puissance de 0,8, il faut une expérience qui double R/S pour une durée d'environ 20 ans (en assumant un nombre égal de traitements et d'années-témoins). On trouvera une discussion sur les diverses stratégies possibles pour parer à la grande variabilité dans l'erreur et les limites de chacune.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: April 1, 2001

More about this publication?
  • Published continuously since 1901 (under various titles), this monthly journal is the primary publishing vehicle for the multidisciplinary field of aquatic sciences. It publishes perspectives (syntheses, critiques, and re-evaluations), discussions (comments and replies), articles, and rapid communications, relating to current research on cells, organisms, populations, ecosystems, or processes that affect aquatic systems. The journal seeks to amplify, modify, question, or redirect accumulated knowledge in the field of fisheries and aquatic science. Occasional supplements are dedicated to single topics or to proceedings of international symposia.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more