如何在适合逻辑回归正交方案的泊松点过程模型中包含调查权重？

Question

是否可以在适合逻辑回归正交方案的泊松点过程模型中包含权重？我的数据是一个分层样本，我想考虑这种抽样策略，以便做出有效的人口水平预测。

Answer 1

这是关于R包spatstat中模型拟合函数ppm的问题。

是的，您可以包括调查权重。最简单的方法是创建协变量 surveyweight，它可以是 function(x,y) 或像素图像或与正交方案关联的数据列。然后在使用 ppm 拟合模型时，添加模型项 +offset(log(surveyweight))。

ppm 的结果将是描述 观察到的 点模式的拟合模型。您可以从该模型进行预测、模拟等，但请注意，这些将是对观察点过程的预测或模拟，包括非常量调查工作的影响。

要获得原始点过程的预测或模拟（即在消除非常量调查工作的影响后），您需要用另一个恒定且等于的协变量替换原始协变量 surveyweight 1，然后在参数 newdata.

中将其传递给 predict.ppm

Answer 2

这里有几行是对@adrian-baddeley 的回答的详细说明。

如果您有的设置，我们假设您有 data.frame 中的权重和两个协变量，其顺序与 quadscheme 的点相同：

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)

如何在适合逻辑回归正交方案的泊松点过程模型中包含调查权重？

How can I include survey weights in a poisson pint process model fitted to a logistic regression quadrature scheme?

spatial

spatstat