Можно ли включить веса в модель точечного процесса Пуассона, приспособленную к квадратурной схеме логистической регрессии? Мои данные представляют собой стратифицированную выборку, и я хотел бы учесть эту стратегию выборки, чтобы иметь достоверные прогнозы на уровне популяции.
Как я могу включить веса опроса в модель процесса пинты Пуассона, приспособленную к квадратурной схеме логистической регрессии?
Ответы (2)
Вот несколько строк, чтобы подробно рассказать об ответе @ adrian-baddeley.
Если у вас есть настройка вашего связанного вопроса, и мы предполагаем, что у вас есть веса и две ковариаты в data.frame
в том же порядке как точки вашего quadscheme
:
library(spatstat)
X <- split(chorley)$larynx
D <- split(chorley)$lung
Q <- quadscheme.logi(X,D)
covar <- data.frame(weights = runif(npoints(chorley)),
covar1 = rnorm(npoints(chorley)),
covar2 = rnorm(npoints(chorley)))
fit <- ppm(Q ~ offset(log(weights)) + covar1 + covar2, data = covar)
Это вопрос о функции подгонки модели ppm
в пакете R spatstat
.
Да, вы можете включить веса опроса. Самый простой способ - создать ковариату surveyweight
, которая может быть function(x,y)
, пиксельным изображением или столбцом данных, связанных с вашей квадратурной схемой. Затем при подгонке модели с использованием ppm
добавьте термин модели +offset(log(surveyweight))
.
Результатом ppm
будет подобранная модель, описывающая наблюдаемый точечный образец. Вы можете делать прогноз, моделирование и т. Д. На основе этой модели, но имейте в виду, что это будут прогнозы или моделирование наблюдаемого точечного процесса, включая эффект непостоянных усилий по съемке.
Чтобы получить прогноз или моделирование исходного точечного процесса (т. Е. После удаления эффекта непостоянных усилий по съемке), вам необходимо заменить исходную ковариату surveyweight
другой ковариатой, которая является постоянной и равной 1, а затем передать ее predict.ppm
в аргумент newdata
.
surveyweight
(в моем случае как столбец данных) в квадратурную схему. Я рассчитал квадратурную схему, сначала разделив мои ppp
на положительный / отрицательный результат диагностического теста. Каждая точка (положительная или отрицательная) имеет свой вес. Как я могу связать это с квадратурной схемой?
- person user3047435; 25.11.2019