An analysis of error structure in modeling the stock–recruitment data of gadoid stocks using generalized linear models

$50.00 plus tax (Refund Policy)

Buy Article:


When modeling the stock–recruitment (SR) relationship, the Cushing, Ricker, and other SR models are fitted to the observed SR data by estimating parameters with assumptions made concerning the model error structure. Using a generalized linear model approach, we explored and identified the appropriate model error structure in modeling SR data for gadoid stocks. The SR parameter estimation was found to be influenced by the choice of error distributions assumed in the analysis. In modeling SR data for gadoid stocks, the Beverton–Holt model was found to be more sensitive to the assumption of model error distribution than the Cushing and Ricker models. The lognormal and gamma distributions had higher probability of being acceptable model error distributions. Cluster analyses and summary statistics of error distributions in SR modeling did not show consistent patterns in the identification of an acceptable model error structure among species, geographic distributions, and sample sizes. A better understanding of the factors and mechanisms resulting in differences in the choice of appropriate model error distributions for different populations is needed in future research. We recommend that the generalized linear model be used to identify acceptable model error structures in quantifying SR relationships.

Lorsqu'on fait un modèle de la relation entre le stock et le recrutement (SR), on ajuste les modèles de Cushing, de Ricker et les autres modèles SR aux données observées en estimant des paramètres et en faisant des présuppositions sur la structure d'erreur du modèle. À l'aide d'une modèle linéaire généralisé, nous avons étudié et identifié la structure d'erreur du modèle appropriée à la modélisation de données SR chez les stocks de gadoïdés. L'estimation du paramètre SR est influencée par le choix des distributions d'erreurs présupposées dans l'analyse. Pour la modélisation des données SR de stocks de gadoïdés, le modèle Beverton–Holt s'est révélé plus sensible au choix de distribution d'erreurs du modèle que les modèles de Cushing et de Ricker. Les distributions lognormale et gamma ont une plus forte probabilité d'être des distributions des erreurs du modèle acceptables. Des analyses de groupement et des statistiques générales des distributions d'erreurs dans les modèles SR n'indiquent pas de patterns constants dans l'identification d'une distribution d'erreurs du modèle acceptable en fonction des espèces, des répartitions géographiques et des tailles d'échantillons. Il sera nécessaire, dans les recherches futures, d'obtenir une meilleure compréhension des facteurs et des mécanismes responsables des différences dans le choix de distributions d'erreurs du modèle appropriées aux différentes populations. Nous recommandons d'adopter le modèle linéaire généralisé pour identifier les structures d'erreurs du modèle acceptables lorsqu'on quantifie les relations SR.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: January 1, 2004

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



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
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