使用 predict.mppm 时有没有办法计算标准误差？
Is there a way to calculate standard errors when using predict.mppm?
我正在使用 spatstat 到 运行 一些 mppm 模型，并希望能够像 predict.ppm 中那样计算预测的标准误差。当然，我可以在每个点过程中单独使用 predict.ppm，但我想知道这是否出于任何原因无效，或者是否有更好的方法？
这在 predict.mppm 中尚未作为选项实现。 （它在我们要做的一长串事情上。我会把它移到靠近列表顶部的位置。）
但是，可以通过将 predict.ppm 应用于 subfits(model) 的每个元素来获得，其中 model 是 class mppm 的原始拟合模型。类似于：
m <- mppm(......)
fits <- subfits(m)
Y <- lapply(fits, predict, se=TRUE)
澄清一下，fits[[i]] 是 class ppm 的点过程模型，对于数据超帧的第 i 行中的数据，被大模特m暗示。 fits[[i]]中的参数估计和方差估计是基于整个超帧的信息。这与将 class ppm 的单独模型拟合到超帧的每一行中的数据并计算这些拟合的预测和标准误差不同。
我正在使用 spatstat 到 运行 一些 mppm 模型，并希望能够像 predict.ppm 中那样计算预测的标准误差。当然，我可以在每个点过程中单独使用 predict.ppm，但我想知道这是否出于任何原因无效，或者是否有更好的方法？
这在 predict.mppm 中尚未作为选项实现。 （它在我们要做的一长串事情上。我会把它移到靠近列表顶部的位置。）
但是，可以通过将 predict.ppm 应用于 subfits(model) 的每个元素来获得，其中 model 是 class mppm 的原始拟合模型。类似于：
m <- mppm(......)
fits <- subfits(m)
Y <- lapply(fits, predict, se=TRUE)
澄清一下，fits[[i]] 是 class ppm 的点过程模型，对于数据超帧的第 i 行中的数据，被大模特m暗示。 fits[[i]]中的参数估计和方差估计是基于整个超帧的信息。这与将 class ppm 的单独模型拟合到超帧的每一行中的数据并计算这些拟合的预测和标准误差不同。