FINDING THE SMOOTHEST PATH TO SUCCESS: MODEL COMPLEXITY AND THE CONSIDERATION OF NONLINEAR PATTERNS IN NEST-SURVIVAL DATA Encontrando el Camino Mas Facil Hacia el Exito: Complejidad de los Modelos y Consideraci6n de Patrones No Lineales en Datos de Supervivencia de Nidos

Quantifying patterns of nest survival is a first step toward understanding why birds decide when and where to breed. Most studies of nest survival have relied on generalized linear models (GLM) to explore these patterns. However, GLMs require assumptions about the models\u27 structure that might preclude finding nonlinear patterns in survival data. Generalized additive models (GAM) provide a flexible alternative to GLMs for estimating linear and nonlinear patterns in data. Here we present a comparison of GLMs and GAMs for explaining variation in nest-survival data. We used two different model-selection criteria, the Bayes (BIC) and Akaike (AIC) information criteria, to select among simple and complex models. Our study was focused on the analysis of Redwinged Blackbird (Agelaius phoeniceus) nests in the Rainwater Basin wetlands of south-central Nebraska. Under BIC, our quadratic model of nest age had the most support, and the model predicted a concave pattern of daily nest survival. We found more model-selection uncertainty under AIC and found support for additive models with ordinal effects of both day and age. These models predicted much more temporal variation than did the linear models. Following our analysis, we discuss some of the advantages and disadvantages of GAMs. Despite the possible limitations of GAMs, our results suggest that they provide an efficient and flexible way to demonstrate nonlinear patterns in nest-survival data. Cuantificar los patrones de supervivencia de los nidos es un primer paso para entender por que las aves deciden cuando y donde reproducirse. La mayoria de los estudios sobre la supervivencia de nidos se han basado en modelos lineales generales (MLG) para explorar esos patrones. Sin embargo, los MLG presentan supuestos sobre la estructura de los modelos que podrian impedir encontrar patrones no lineales en los datos de supervivencia. Los modelos aditivos generales (MAG) brindan una alternativa flexible distinta a los MLG para estimar patrones lineales y no lineales en los datos. En este estudio presentamos una comparacion entre los MLG y los MAG para explicar la variacion en los datos de supervivencia de nidos. Utilizamos dos criterios diferentes de seleccion de modelos, los criterios de informacion de Bayes (BIC) y de Akaike (AIC), para escoger entre modelos simples y complejos. Nuestro estudio se enfoco en el analisis de nidos de Agelaius phoeniceus encontrados en humedales de la cuenca del Rainwater, sur-centro de Nebraska. De acuerdo al BIC, nuestro modelo lineal cuadratico de la edad de los nidos tuvo el maximo respaldo y el modelo predijo un patron concavo en la supervivencia diaria de los nidos. Encontramos que hubo mayor incertidumbre en la seleccion de modelos de acuerdo al AIC y encontramos respaldo para modelos aditivos con efectos ordinales tanto del dia como de la edad. Estos modelos predijeron mucha mas variacion temporal que los modelos lineales. Siguiendo nuestro analisis, discutimos algunas de las ventajas y desventajas de los MAG. A pesar de las posibles limitaciones de los MAG, nuestros resultados sugieren que estos representan una manera eficiente y flexible para demostrar la existencia de patrones no lineales en los datos de supervivencia de nidos