R spatstat中的虚拟点数
我正在用函数R spatstat中的虚拟点数,r,spatial,spatstat,R,Spatial,Spatstat,我正在用函数ppm(spatstat包)将非齐次泊松模型拟合到空间点模式数据集,该函数使用Berman-Turner求积近似通过MLE估计参数。 默认情况下,出于计算原因,虚拟点排列在矩形网格中,正交权重通过将观察窗口划分为矩形瓷砖网格来确定(瓷砖数量等于虚拟点数量) 考虑到方形窗口,自动生成的虚拟点的数量是一个分段常数函数(我假设),它仅取决于数据点的数量(而不是窗口的尺寸);更准确地说: number of │ number of data points │ dummy poi
ppm
(spatstat
包)将非齐次泊松模型拟合到空间点模式数据集,该函数使用Berman-Turner求积近似通过MLE估计参数。
默认情况下,出于计算原因,虚拟点排列在矩形网格中,正交权重通过将观察窗口划分为矩形瓷砖网格来确定(瓷砖数量等于虚拟点数量)
考虑到方形窗口,自动生成的虚拟点的数量是一个分段常数函数(我假设),它仅取决于数据点的数量(而不是窗口的尺寸);更准确地说:
number of │ number of
data points │ dummy points
(intervals) │ generated
──────────────────────────────
0 - 225 │ 1028
226 - 400 │ 1604 (4*401)
401 - 625 │ 2504 (4*626)
626 - 900 │ 3604 (4*901)
901 - 1225 │ 4904 (4*1226)
etc. │ etc.
我的问题
- 为什么在
中默认选择此函数?这是一种“经验法则”吗spatstat
- 此外,你能给我指出一些文章或论文,其中比较了不同的方法和功能,以选择虚拟点的位置和数量吗
help(ppm)
和help(quadscheme)
中有大量的文档记录。这些帮助文件提供了包括正交方案设计信息的论文和书籍的参考:包括Berman和Turner(1992年)、Baddeley和Turner(2000年)的论文以及Baddeley、Rubak和Turner(2015年,见第9章)的书
选择这些默认规则的主要原因是:
- 对于所有提供的
软件包,默认设置必须允许CRAN在合理的时间内(每个帮助页面最多5秒;每个帮助页面平均1秒)在各种硬件上测试代码。这意味着默认规则必须简单R
- 当
拟合到稍微不同的点模式时,结果应该相似,如果正交方案相似,则更容易实现,因此规则应该是稳定的ppm
这些是默认规则,我们鼓励用户开发自己的求积方案,或者在进行最终分析时至少增加虚拟点的密度。我可以补充一下关于
ppm
logistic回归版本的参考Baddeley、Coeurjolly、Rubak和Waagepetersen(2014)吗(argumentmethod=“logi”
)还提供了一些有关正交方案大小影响的相关信息。非常感谢您对此事的关注!我非常需要这些澄清。(…并感谢spattstat
!)