在 R 上的 spatstat 上使用 kppm 估计对数高斯 cox 过程的置信区间时出现问题

Question

我正在使用 R.spatstat 上的 kppm 函数来拟合对数高斯 cox 点过程以获取点模式。 它应该为我提供潜在非齐次泊松强度的强度系数预测和置信区间，然后是 cox 过程的相互作用系数和新的置信区间（对于相同的系数），其中考虑了互动。

我输入的命令是：

quad_fes <- quadscheme(data = ppp_fes, dummy = test_dummy_points)
kppm_all_fes<-kppm(
 X=quad_fes,
  trend=~log(daylight_P50sp_im) + log(daylight_Hits_im ) + log(d_fes_im) + SpeedLimit_im + strada_tip_im + log(P1_im) + log(E1_im),
  clusters="LGCP", method="mincon")
kppm_all_fes
confint(kppm_all_fes)

协变量是像素化图像（未在区域的每个点上定义，但这对于估计来说不是问题？？）它们是通过 as.im 进行光栅化获得的。 ppp_fes 是点模式。输入 ppp

R 输出没有给我第二组置信区间（有交互作用） 会是什么呢？它只给出 NA

的列

输出是

    Inhomogeneous Cox point process model
Fitted to point pattern dataset ‘quad_fes’
Fitted by minimum contrast
    Summary statistic: inhomogeneous K-function

Log intensity:  ~log(daylight_P50sp_im) + log(daylight_Hits_im) + log(d_fes_im) + SpeedLimit_im + 
strada_tip_im + log(P1_im) + log(E1_im)

Fitted trend coefficients:
           (Intercept) log(daylight_P50sp_im)  log(daylight_Hits_im)          log(d_fes_im) 
         -8.4336803232          -0.7195136965           0.0597531881          -0.1869696161 
         SpeedLimit_im          strada_tip_im             log(P1_im)             log(E1_im) 
         -0.0100578297           0.0005152514           0.3538175166          -0.0706547930 

Cox model: log-Gaussian Cox process
    Covariance model: exponential
Fitted covariance parameters:
     var    scale 
9.505158 6.238008 
Fitted mean of log of random intensity: [pixel image]

对于限制，它是

                          2.5 % 97.5 %
(Intercept)               NA     NA
log(daylight_P50sp_im)    NA     NA
log(daylight_Hits_im)     NA     NA
log(d_fes_im)             NA     NA
SpeedLimit_im             NA     NA
strada_tip_im             NA     NA
log(P1_im)                NA     NA
log(E1_im)                NA     NA

我找不到有关如何解决此问题的任何有关 Baddeley（空间点模式，2015）的信息..我知道这是一个不可能实现的目标，但请eeeeeeee帮助我真的很想找到解决方案。

我当时尝试仅使用一个协变量，并检查我的协变量与 Baddeley 书中的示例有何不同，但我找不到解决方案。

编辑 我在使用 kppm 时收到的警告是

警告：某些具有正面积的图块不包含任何正交点：相对误差 = 2.6% 警告：协变量“daylight_Hits_im”的值在 24%（1180 个中的 287 个）正交点处为 NA 或未定义。执行时发生：ppm.ppp(Q = X，趋势 = 趋势，协变量 = 协变量，forcefit = TRUE，警告：位于像素图像域之外的 2 个查询点的值是通过投影到最近的像素来估计的

var(kppm_all_fes)

退货 var(kppm_all_fes) 中的错误：is.atomic(x) 不为 TRUE

Answer 1

置信区间基于 (1) 参数估计值和 (2) 这些参数估计值的估计标准误差（方差的平方根）。

在您的示例中，参数估计没问题；它们作为“拟合趋势系数”打印在输出中，并且可以使用

coef(kppm_all_fes)

将其提取为向量。

在您的示例中，计算出的标准误差似乎为 NA。这可能是因为计算出的方差为 NA，或者为负数（因为负数的平方根返回为 NA）。您可以通过输入来检查

var(kppm_all_fes)

它应该返回方差的非负有限数的方阵（在您的示例中为 8 x 8）。

执行计算时应该有某种警告消息。这也将提供有关出现问题的信息。

在某些特殊情况下，方差估计可能是无限的或不适用。其中一种特殊情况是幂律模型，如Baddeley Rubak 和 Turner (2015) 的第 9.3.8 节所述。幂律关系由公式

~ log(Z)

表示，其中

Z

是原始协变量。您的示例模型涉及某些变量的幂律关系。所以这可能是解释。

为了彻底解决您的问题，我需要访问您的数据，或者问题的最小可重现示例。