spatstat 中點過程 model 中協變量的平滑部分殘差

Question

我正在使用spatstat使用ppm function 構建點過程模型，但是當我使用殘差 plot parres來理解協變量的影響時，我在驗證中遇到了問題。

model 由 1022 個鳥類出現位置（稱為ois.ppm ）、棲息地可用性（稱為FB0lin的柵格已標准化和對數轉換）、采樣工作量（稱為Nbdate的柵格，也已標准化）和可訪問性組成整個研究區域的地點（稱為pAccess的柵格，也已歸一化）。 目的是評估 Gibbs 點過程 model 與 Geyer 過程參數、棲息地可用性、采樣工作量和可達性的擬合度。 eps function 還用於創建一組沿網格選擇的虛擬點，分辨率為 100 x 100 米。

使用的model是： mod.ois.echlin = ppm(ois.ppp, ~ FB0lin + Nbdate + pAccess, interaction = Geyer(r=401,sat=9), eps=100)

Geyer 參數使用以下方法識別： rs=expand.grid(r=seq(1,1001, by=50), sat=1:40) term.interlin=profilepl(rs, Geyer, ois.ppp,~FB0lin+Nbdate+pAccess)

然后我使用 parres function： res.FB0.echlin=parres(mod.ois.echlin, covariate="FB0lin") plot(res.FB0.echlin,main="FB0 LinCost", legend=FALSE)

問題是擬合值似乎不是最優的（見下圖）。 擬合曲線在置信區間內應該有較低的值，但在這個區間之外，這可能會影響點過程的質量 model。

我的問題是：

• 你有沒有見過這樣的結果，這正常嗎？
• 有可能糾正它嗎？

圖：平滑的部分殘差 - FB0lin

任何建議將不勝感激。

Answer 1

診斷工作正常。 它表明，作為預測變量FB0lin的 function，擬合的 model（由虛直線表示）高估了 model（由帶有灰色置信帶的粗黑色曲線表示）的真實強度一個常數。 線性關系（對數強度對協變量的線性依賴性）似乎是足夠的，因為您不需要用更復雜的關系替換這種線性關系（這是部分殘差的主要問題）用過的）。 診斷表明 model 是足夠的，只是它低估了對數強度一個常數，這意味着它低估了一個常數因子的強度。 （這可能是由於其他預測變量Nbdate和pAccess參與 model 的方式，或者可能是由於選擇了點間交互。要調查這一點，您需要嘗試其他工具，如第 11 章中討論的spatstat 書。）