点过程中标记和协变量之间的关系是什么

What is the relationship between marks and covariates in point process

我对点过程中的标记和协变量感到困惑。我正在尝试通过使用 spatstat 在 R 中创建一个具有少量协变量的标记点模式模型，但我不确定标记和协变量之间的关系。谁能帮帮我？

谢谢。

----更新 我有一个关于给定位置的定居点人口的给定点模式，以及土壤肥力、年降雨量等很少的协变量。我想描述一下定居点的分布。

对于点过程，标记和协变量之间的区别是：

  • 标记是附加到每个点（定居点）的值，通常标记在其他位置没有意义。

  • 协变量在概念上 meaningful/available 贯穿整个调查区域（观察 window）。

标记值原则上可以是任何值，但在编写本文时 spatstat 基本上只支持两种类型：1) 具有数值的标记和 2) 分类（因子值）标记。在 spatstat 中，非常强调后者，称为 'multitype' 模式。对于多类型模式，您可以使用 spatstat 函数构建模型 ppm，但目前没有用于带有数字标记的模式的建模工具。

要使用 spatstat 分析您的数据，您可能必须放弃人口规模信息或使用 cut.ppp 将定居点分为 "big"、"medium" 和 "small" 或者你的研究中任何有意义的东西，然后继续分析这个多类型模式。

根据评论更新：假设我们有一个多类型点模式X（classppp）和两个协变量图像im1 和 im2（共 class im）。那么对于标记的每个水平具有相同协变量效应的泊松模型是：

ppm(X ~ marks + im1 + im2)

允许 "interaction" 的模型，即协变量对每个因子水平的不同影响是：

ppm(X ~ marks * im1 + marks * im2)

对于这两个模型，模型的解释取决于力的对比（默认情况下处理对比）。这与使用 lm 或 glm.

完全一样