Modelling nest-survival data: a comparison of recently developed methods that can be implemented in MARK and SAS

Español; castellano. La estimación del éxito de nidificación y la evaluación de los factores potencialmente relacionados con las tasas de supervivencia de los mismos son aspectos clave de numerosos estudios sobre poblaciones de aves. El gran interés por el éxito de nidificación se ha traducido en una rica literatura que detalla varios métodos de estimación de esta tasa vital. En los últimos años, los enfoques de modelización han experimentado un rápido desarrollo. No obstante, pese a estos avances, la mayoría de los investigadores siguen empleando el método ad_hoc de Mayfield (Mayfield, 1961) o, en algunos casos, el estimador de probabilidad máxima de Johnson (1979) y Bart and Robson (1982). Tales métodos permiten el análisis de datos estratificados, pero, en cambio, no permiten modelos más complejos y realistas de la tasa de supervivencia en nidos cuando se incluyen covariantes que cambian según el individuo, la edad del nido, el tiempo, etc., y que pueden ser continuas o categóricas. Actualmente, con la ayuda de Program MARK, así como de Proc GENMOD y Proc NLMIXED de SAS, es posible implementar métodos que permiten a los investigadores evaluar rigurosamente la importancia de varios factores biológicos susceptibles de incidir en las tasas de supervivencia en nidos. Por consiguiente, no está justificada la utilización del estimador de Mayfield sin antes evaluar la necesidad de emplear modelos más complejos para determinar la tasa de supervivencia en nidos. Con objeto de incrementar el empleo de métodos más flexibles, primero describimos la probabilidad empleada para estos modelos, para posteriormente tomar en consideración cuál es el tamaño de muestra eficaz para el cálculo de AICc. Seguidamente, tomamos en consideración las ventajas y desventajas de estos programas por lo que respecta a la facilidad de introducción de datos y de construcción de modelos, la utilidad/flexibilidad de las estimaciones y predicciones generadas, la facilidad de la selección de modelos y la capacidad para estimar los componentes de la varianza. A continuación, analizamos un conjunto de datos de ejemplo utilizando los programas MARK y SAS con objeto de demostrar la implementación de los métodos con varios modelos que contienen nido_, grupo_ (o bloque_), y covariantes específicas al tiempo. Por último, comentamos varias mejoras que, si estuvieran disponibles, fomentarían una mejor comprensión general de las tasas de supervivencia en nidos.