idea как подогнать кусочную модель Гейера с тремя расстояниями взаимодействия в R pakage spatstat?

Я использую spatstat для анализа пространственного распределения каналов ксилемы для изображения поперечного сечения среза дерева. кто-то предлагает использовать функцию Гейера для моделирования пространственного распределения каналов. однако я не понимаю, как вписаться в эту модель.

В статье (Mencuccini et al, 2010. Количественный и статистический метод измерения пространственного распределения каналов ксилемы. Американский журнал ботаники) автор предложил моделировать распределение каналов с помощью кусочной модели Гейера с тремя расстояниями взаимодействия, на которых имеет место межпроводное взаимодействие. однако в spatstat нет такой опции, как «кусочная модель Гейера».

ppm (X ~ 1, Гейер (r = 0,05, сб. = 2)), это правильно?

Кто-нибудь может помочь с кодом, который соответствует такой "кусочной модели Гейера"?

Читая книгу, кажется, что кусочная модель Гейера похожа на гибридную модель Гиббса, код такой:

ppm (X ~ 1, hybrid (hardcore (), Geyer (,), Geyer (,))) Теперь вопрос в том, могу ли я использовать дважды модель насыщения Гейера в одной гибридной функции?


r spatstat
person Jingming    schedule 06.10.2019    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Я кратко обсудил это с другими авторами spatstat. Терминология «кусочная модель Гейера» нестандартна в литературе о пространственных точечных процессах. Цитируемая статья (которую мы не искали), вероятно, относится к модели BadGey в spatstat.

Полезной альтернативой может быть рассмотрение гибридных моделей (примером которых является этот). Это позволяет постепенно улучшать модель. См. Страницу справки spatstat для Hybrid или более подробных примеров в статье о гибридах, упомянутой в цитировании spatstat citation('spatstat').

Вот пример BadGey как напрямую, так и в качестве гибридной модели, где вы можете видеть, что оценки параметров идентичны:

library(spatstat)
ppm(swedishpines ~ 1, BadGey(c(5, 9), c(1,2)))
#> Stationary hybrid Geyer process
#> 
#> First order term:  beta = 0.04550482
#> 
#> Interaction radii:   c(5, 9)
#> Saturation parameters:   c(1, 2)
#> Fitted interaction parameters gamma_i
#>     [0,5)     [0,9) 
#> 0.8083960 0.5550427 
#> 
#> Relevant coefficients:
#> Interact.1 Interact.2 
#> -0.2127032 -0.5887103 
#> 
#> For standard errors, type coef(summary(x))
ppm(swedishpines ~ 1, Hybrid(Geyer(5, 1), Geyer(9, 2)))
#> Stationary Hybrid interaction
#> 
#> First order term:  beta = 0.04550482
#> 
#> Hybrid of 2 components: 'HybridComponent1' and 'HybridComponent2'
#> HybridComponent1:
#> Interaction:Geyer saturation process
#> Interaction distance:    5
#> Saturation parameter:    1
#> HybridComponent2:
#> Interaction:Geyer saturation process
#> Interaction distance:    9
#> Saturation parameter:    2
#> 
#> Fitted HybridComponent1 interaction parameter gamma: 0.808396
#> Fitted HybridComponent2 interaction parameter gamma: 0.5550427
#> 
#> Relevant coefficients:
#> HybridComponent1. HybridComponent2. 
#>        -0.2127032        -0.5887103 
#> 
#> For standard errors, type coef(summary(x))
person Ege Rubak    schedule 07.10.2019
comment
Спасибо, Эге, твой ответ мне очень помогает. Я дважды прочитаю книгу, чтобы понять, как выполнять эту работу. Книга отличная, однако иногда вам трудно найти в ней дополнительные справочные примеры для программирования. Цзинмин - person Jingming; 09.10.2019