我正在根据模型的估计值(hn.l.s)绘制真实比例下密度关系的线图。但是我一直坚持将其反向转换为实际规模。我是否正确进行反向转换,还是应该直接使用plot()?
我已经尝试过backTransform(hn.l.s,type =“ state”)而不是“ det”,但是都行不通。
dist<-seq(0,60,15)
obs<-as.matrix(dat[,1:4])
site_covs<-data.frame(shrub=dat[,c("d.shrub")],light=dat[,c("light")])
umf<-unmarkedFrameDS(y=obs,siteCovs=site_covs,dist.breaks=c(dist),survey="point",unitsIn="m")
hn.1.s<-distsamp(~1~shrub,umf,keyfun="halfnorm",output="density",unitsOut="ha")
pred.hn.l.s<-predict(hn.l.s,"state",se.fit=TRUE)
backTransform(hn.l.s, type="det")
。local(obj,...)中的错误:无法直接反向转换长度> 1的未标记的估算值。]
我原本希望从中获得检测估计:
backTransform(hn.l.s, type="det")
哪个会给我一个电话号码:
sigma<-[the number]
然后,我将估算出正常值的一半:
hn.l.s@estimates
并得到:
b<-exp([a diff number])
然后计算:
p.hn.l.s<-1-exp(-(dist/sigma)^-b)
并获得了一个阴谋:
plot(dist,p.hn.l.s,type="l",xlim=c(0,60), ylim=c(0,1), xlab="Distance", ylab="Detection probability")
我正在根据模型的估计值(hn.l.s)绘制真实比例下密度关系的线图。但是我一直坚持将其反向转换为实际规模。我在...
没有可重现的示例,我无法为您提供准确的答案,但是基本上,只有在没有协变量的情况下,才能使用backTransform
。如果存在ARE协变量,则需要指定进行逆变换的协变量值。您可以使用linearComb
功能执行此操作(请参阅未标记的手册here)。然后,您可以在backTransform
函数的结果上使用linearComb
。