使用 kppm 函数时无法理解 R 中 Spatstat 中的此错误消息
Cannot comprehend this error message in Spatstat in R while using kppm function
我正在尝试使用 R 中 spatstat 包中的 kppm 函数来拟合集群过程模型。
现在，我收到一条错误消息：
system is computationally singular: reciprocal condition number = 6.62594e-21"
连同一条警告消息：
Cannot compute variance: Fisher information matrix is singular
这是什么意思？我选择的模型是错误的吗？或者我应该只使用 ppm 模型吗？这是错误消息的屏幕截图：-
#Inhomogeneous cluster point process model Fitted to point pattern dataset
#Fitted by minimum contrast
# Summary statistic:
# inhomogeneous K-function
#Error in solve.default(M) : system is computationally singular: reciprocal condition number = 6.62594e-21
#Error in solve.default(M) : system is computationally singular:
#reciprocal condition number = 6.62594e-21 In addition: Warning
# message: Cannot compute variance: Fisher information matrix is
# singular Log intensity: ~x + y
# Fitted trend coefficients: (Intercept) -1.037242e+03
# x 4.144605e-06
# y 1.353254e-04
# Cluster model: Thomas process Fitted cluster parameters:
# kappa 4.024328e-09
# Scale 6.245828e+02
#Mean cluster size: [pixel image]
#Warning message: Cannot compute variance: Fisher information matrix is singular
请帮忙！
只是一个猜测，但 kppm 函数在内部使用求解，请参阅：
https://github.com/cran/spatstat/blob/master/R/kppm.R#L907
如果计算中的数字非常小，求解函数的算法会导致奇异矩阵的假设（如果不使用特殊的函数属性来设置容差），请参阅：
Mahalonobis distance in R, error: system is computationally singular
如果您将单位更改为另一个比例以避免小数字，会发生什么情况？
这是一个常见问题，但很抱歉在 spatstat 帮助中不太容易找到答案（我会修复）。
快速回答：将您的数据集从米重新调整为公里：
pp2 <- rescale(pp2, 1000)
然后按照原来的方式重新拟合模型 post。
如果矩阵的行列式为零，则矩阵为 'singular'，因此无法求逆。如果行列式非常接近于零，则为 'computationally singular'，因此计算机无法使用其标准数值程序对矩阵求逆。
Fisher 信息矩阵是拟合模型的基础属性，如果我们要计算参数估计的标准误差或置信区间等，则必须反转它
对您的问题最可能的解释是数据集中的坐标是非常大的数字（例如以米表示），因此拟合模型系数相应地是较小的数字，因此 Fisher 信息矩阵的条目非常小, 所以它在计算上是奇异的。虽然模型可以拟合，但当你打印它时，软件会尝试计算标准误差，然后它就会失败。
得到奇异矩阵有几种其他可能的解释，例如混杂或共线性，这些在vcov.ppm或[=13的帮助文件中有解释=].但这些可能不适用于您的情况。
我正在尝试使用 R 中 spatstat 包中的 kppm 函数来拟合集群过程模型。
现在，我收到一条错误消息：
system is computationally singular: reciprocal condition number = 6.62594e-21"
连同一条警告消息：
Cannot compute variance: Fisher information matrix is singular
这是什么意思？我选择的模型是错误的吗？或者我应该只使用 ppm 模型吗？这是错误消息的屏幕截图：-
#Inhomogeneous cluster point process model Fitted to point pattern dataset
#Fitted by minimum contrast
# Summary statistic:
# inhomogeneous K-function
#Error in solve.default(M) : system is computationally singular: reciprocal condition number = 6.62594e-21
#Error in solve.default(M) : system is computationally singular:
#reciprocal condition number = 6.62594e-21 In addition: Warning
# message: Cannot compute variance: Fisher information matrix is
# singular Log intensity: ~x + y
# Fitted trend coefficients: (Intercept) -1.037242e+03
# x 4.144605e-06
# y 1.353254e-04
# Cluster model: Thomas process Fitted cluster parameters:
# kappa 4.024328e-09
# Scale 6.245828e+02
#Mean cluster size: [pixel image]
#Warning message: Cannot compute variance: Fisher information matrix is singular
请帮忙！
只是一个猜测，但 kppm 函数在内部使用求解，请参阅：
https://github.com/cran/spatstat/blob/master/R/kppm.R#L907
如果计算中的数字非常小，求解函数的算法会导致奇异矩阵的假设（如果不使用特殊的函数属性来设置容差），请参阅：
Mahalonobis distance in R, error: system is computationally singular
如果您将单位更改为另一个比例以避免小数字，会发生什么情况？
这是一个常见问题，但很抱歉在 spatstat 帮助中不太容易找到答案（我会修复）。
快速回答：将您的数据集从米重新调整为公里：
pp2 <- rescale(pp2, 1000)
然后按照原来的方式重新拟合模型 post。
如果矩阵的行列式为零，则矩阵为 'singular'，因此无法求逆。如果行列式非常接近于零，则为 'computationally singular'，因此计算机无法使用其标准数值程序对矩阵求逆。
Fisher 信息矩阵是拟合模型的基础属性，如果我们要计算参数估计的标准误差或置信区间等，则必须反转它
对您的问题最可能的解释是数据集中的坐标是非常大的数字（例如以米表示），因此拟合模型系数相应地是较小的数字，因此 Fisher 信息矩阵的条目非常小, 所以它在计算上是奇异的。虽然模型可以拟合，但当你打印它时，软件会尝试计算标准误差，然后它就会失败。
得到奇异矩阵有几种其他可能的解释，例如混杂或共线性，这些在vcov.ppm或[=13的帮助文件中有解释=].但这些可能不适用于您的情况。