Как я могу включить веса опроса в модель процесса пинты Пуассона, приспособленную к квадратурной схеме логистической регрессии?

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.