使用一步预测（OSA）残差诊断渔业资源评估模型中数据不匹配的常见原因

《Canadian Journal of Fisheries and Aquatic Sciences》：Diagnosing common sources of lack of fit to composition data in fisheries stock assessment models using one-step-ahead (OSA) residuals

　　本文通过模拟案例研究，探讨OSA残差与Pearson残差在渔业资源评估模型拟合诊断中的应用。指出OSA残差能有效解决因数据相关性和样本量不足导致的误判问题，提出基于标准化残差统计量（SDNR、上下尾百分位）和可视化工具（聚合拟合、气泡图）的综合诊断流程。研究发现OSA残差的统计检验对模型偏差具有更高的敏感性，但需结合Pearson残差进行多维度验证。分隔符：

　　
在渔业资源评估中，准确诊断模型拟合质量是制定管理措施的关键。传统方法依赖Pearson残差，但存在明显缺陷：其一，Pearson残差假设各年龄组数据独立，而实际中由于样本总量固定，不同年龄组数据必然存在负相关；其二，Pearson残差分布偏离标准正态，导致误判风险高。例如，某研究显示部分残差值达到4以上，远超理论标准差范围，但多数评估仍沿用此方法。

为解决上述问题，学界提出了OSA（One-Step-Ahead）残差新范式。该方法通过逐步条件化处理，将总样本量固定约束转化为动态调整过程，使得每个残差计算时仅依赖前序已知信息。研究团队构建了包含9个模拟案例的实验体系，重点考察不同模型偏差下的诊断效果：

1. **样本量偏差检测**：当实际样本量较设定值低50%时，OSA残差的标准化方差（SDNR）显著低于理论下限（1.07），且负向残差占比异常；当样本量超200%时，SDNR超过上限（1.07），且正负极端值均超出理论分布。此发现表明，通过对比SDNR与理论临界值（95%置信区间），可有效识别样本量设定错误。

2. **选择性偏差定位**：在年龄结构模拟中，前两bin期望值偏低的案例（3a）导致SDNR（1.08）略超上限，但单一年份的残差分布未现系统性偏差。而末尾两bin期望值偏低的案例（3b）则表现出SDNR（1.18）和上尾概率（2.95）同时超出理论范围。这验证了OSA残差对尾部偏差的敏感性，而 Pearson残差在3b案例中显示异常正偏态（>2.5σ）。

3. **空bin处理验证**：在包含5个空bin的案例（5a）中，OSA残差仍保持标准正态分布特性，SDNR（0.98）和双尾概率均符合理论区间。当在空bin中随机添加4条记录（5b）时，OSA残差未现统计异常，但Pearson残差出现多个>3σ的极端值。这说明OSA残差能有效区分真实偏差与抽样波动。

4. **动态模型诊断能力**：针对案例4a中迁移性偏差（10-20年龄组期望值偏低），OSA残差在后续年份呈现滞后性异常（第10年负残差峰值达-2.3σ），而Pearson残差未现明显时序相关性。通过Q-Q图分析，OSA残差的第97.5%分位数（2.62σ）与理论值（2.33σ）差异显著，提示模型需要调整年龄加权系数。

研究创新性地提出五步诊断流程：
1. **全局拟合评估**：计算所有年龄组总和的标准化残差，若整体偏离理论分布（如SDNR<1.07或>1.07），需警惕系统性模型错误
2. **SDNR区间检验**：将残差标准差与理论临界值（如95%置信区间）对比，当SDNR<1.71或>1.07时，提示模型存在显著偏差
3. **尾部极端值检测**：计算残差分布的上下2.5%分位数，若实际值超出理论范围（如Z1.07），需针对性检查对应年龄组
4. ** Pearson残差补充验证**：通过气泡图识别早期年龄组（1-5bin）的持续正残差（>2σ）或晚期年龄组（6-10bin）的负残差聚集
5. **动态偏差追踪**：利用时间序列残差分析，捕捉选择性函数漂移（如案例4b中25年后末尾bin出现系统性正偏差）

技术实现层面，研究开发了基于R语言的compResidual包，实现：
- 自动处理空bin（通过标准化期望值调整）
- 支持多时间尺度诊断（年际、跨年龄组）
- 提供双尾检验临界值计算功能

应用效果显示，在样本量N=5000的案例中，OSA残差诊断的特异性达到92%，较Pearson残差（78%）提升显著。但需注意，当空bin比例超过30%时，诊断灵敏度会下降约15%，建议结合年龄-长度分布图进行综合判断。

未来研究方向包括：
1. 开发多阶段OSA残差计算器，支持嵌套模型结构
2. 构建空bin权重调整算法，提升诊断鲁棒性
3. 研究残差自相关特性，开发时序诊断指标

该研究为渔业评估提供了可操作的解决方案：在模型构建阶段，应优先验证样本量设定合理性；在诊断阶段，建议先通过全局拟合和SDNR检验识别系统偏差，再利用尾部极端值和Pearson残差气泡图定位具体问题。对于长期资源监测，推荐每5年更新残差诊断标准临界值，以适应数据分布漂移。