R 创建镶嵌对象
在数据集中有一个名为R 创建镶嵌对象,r,spatstat,R,Spatstat,在数据集中有一个名为data.frame的Emergencies和名为Region的owin。使用这两个对象,可以使用以下代码创建ppp类的对象:- data <- ppp(x = Emergencies$X, y = Emergencies$Y, window = Region) data细分是将空间分割成小块(分片)。spatstat软件包中有许多工具可用于从其他数据构造细分(打开tess的帮助,并按照下面的链接进行操作,另请参见)。但是不清楚您想要什么样的细分,或者您想要将什么信息
data.frame
的Emergencies
和名为Region
的owin
。使用这两个对象,可以使用以下代码创建ppp
类的对象:-
data <- ppp(x = Emergencies$X, y = Emergencies$Y, window = Region)
data细分是将空间分割成小块(分片)。spatstat
软件包中有许多工具可用于从其他数据构造细分(打开tess
的帮助,并按照下面的链接进行操作,另请参见)。但是不清楚您想要什么样的细分,或者您想要将什么信息转换为细分
您说您想使用quadrat.test
。为什么?这是一个基于样方计数的卡方检验,因此无效假设是每个瓷砖中的紧急情况强度是恒定的-这对我来说没有意义(无论你选择什么瓷砖),因为这些点似乎高度集中在该区域的中心
感谢您附上您的数据。数据框Emergencies
给出了空间位置X,Y
以及另外两个量M
和T
的相应值。我假设数据帧的每一行对应一个紧急情况(而不是,例如,一家医院或一辆救护车)。根据您的描述,不清楚变量M
是否表示(a)与该紧急情况相关的工作负载,或(b)该紧急情况发生时某些系统的总工作负载
如果是(a),那么你要处理的是一个标记点模式,在该模式中,每个点事件位置都被称为标记的额外信息所增强。此标记点图案应通过以下方式创建:
Z <- ppp(Emergencies$X, Emergencies$Y, window=Region, marks=Emergencies[,c("M", "T")])
现在将M
的值分为五个波段(例如):
坐标是大数字。为了数值稳定性,让我们将其重新缩放为可管理的值:
ZCS <- shift(rescale(ZC, 1000), origin="midpoint")
输出给出了非常显著的测试结果,表明强度函数对于不同的M
值是不同的
这不是您想要的样方计数卡方检验,但似然比检验是一种更强大的检验(在技术意义上)。细分是将空间划分为块(分片)。spatstat
软件包中有许多工具可用于从其他数据构造细分(打开tess
的帮助,并按照下面的链接进行操作,另请参见)。但是不清楚您想要什么样的细分,或者您想要将什么信息转换为细分
您说您想使用quadrat.test
。为什么?这是一个基于样方计数的卡方检验,因此无效假设是每个瓷砖中的紧急情况强度是恒定的-这对我来说没有意义(无论你选择什么瓷砖),因为这些点似乎高度集中在该区域的中心
感谢您附上您的数据。数据框Emergencies
给出了空间位置X,Y
以及另外两个量M
和T
的相应值。我假设数据帧的每一行对应一个紧急情况(而不是,例如,一家医院或一辆救护车)。根据您的描述,不清楚变量M
是否表示(a)与该紧急情况相关的工作负载,或(b)该紧急情况发生时某些系统的总工作负载
如果是(a),那么你要处理的是一个标记点模式,在该模式中,每个点事件位置都被称为标记的额外信息所增强。此标记点图案应通过以下方式创建:
Z <- ppp(Emergencies$X, Emergencies$Y, window=Region, marks=Emergencies[,c("M", "T")])
现在将M
的值分为五个波段(例如):
坐标是大数字。为了数值稳定性,让我们将其重新缩放为可管理的值:
ZCS <- shift(rescale(ZC, 1000), origin="midpoint")
输出给出了非常显著的测试结果,表明强度函数对于不同的M
值是不同的
这不是您想要的样方计数卡方检验,但似然比检验是一种更强大的检验(在技术意义上)。谢谢。我之所以想使用tess
对象,是因为它可以在quadra.test
函数中用于检查工作负载对强度的依赖性。但这个答案同样有效。再次谢谢你,谢谢。我之所以想使用tess
对象,是因为它可以在quadra.test
函数中用于检查工作负载对强度的依赖性。但这个答案同样有效。再次感谢你。
plot(ZC, cols=2:6)
plot(split(ZC))
ZCS <- shift(rescale(ZC, 1000), origin="midpoint")
fit1 <- ppm(ZCS ~ marks * polynom(x,y,2))
fit0 <- ppm(ZCS ~ marks + polynom(x,y,2))
anova(fit0, fit1, test="Chi")