spatstat中的一维数据

Question

我有一维点的数据(直线上的位置)。我想检查集群泊松过程模型或Cox模型是否适合这些数据。

因为我的数据只有x坐标，所以我尝试了线性网络泊松过程模型。但是，lppm仅支持泊松模型。

具有集群模型的kppm方法需要二维数据。因此，我添加了一个具有zero值和(ymin=0,ymax=0.001)范围的虚拟y列。ymax=0在计算过程中返回错误。现在，我能够适应Matern集群，等等。

我的问题是，处理一维数据的最佳方法是什么？

添加具有非零范围的虚拟列是唯一的解决方案吗？或者，我是否遗漏了一些关于点模式或过程模型的细节？对替代方案的建议也是受欢迎的。

Answer 1

首先，我可以指出，其他评论家混淆了考克斯点过程和考克斯比例风险模型--两个完全不同的东西，由同一个人发明。

考克斯点过程对于这种情况下的数据来说是一个完全有效的模型。

spatstat包中尚不支持线性网络(如街道网络)上数据的Cox点过程模型。但是，您可以使用最小对比度拟合过程来拟合这些模型。首先，根据您的数据(使用linearK或linearpcf)计算估计的一维对相关函数或K函数。然后使用mincontrast来拟合所需的模型。您必须编写一小段代码来计算所需模型的K函数或pcf的理论值。参见help(mincontrast)。