mppm模型中施特劳斯参数的检验意义

Question

我有一个来自之前 post 的跟进问题。

在创建像这样的 mppm 模型时：

Str <- hyperframe(str=with(simba, Strauss(mean(nndist(Points)))))

fit0 <- mppm(Points ~ group, simba)
fit1 <- mppm(Points ~ group, simba, interaction=Str, 
           iformula = ~str + str:id)

用anova.mppm到运行一个似然比检验表明交互作用作为一个整体是高度显着的，但我也想检验：

每个个体id是否表现出明显的规律性
是否某些组的id表现出比其他组明显更强的抑制作用，例如id 1-7是否比id 8-10明显更规律
对不同 id 之间的规律性进行成对比较。

我知道我可以为每个 ID 构建单独的 ppm 模型来测试每个 ID 的显着规律性，但我不确定这是最好的方法。此外，我认为每个 Strauss 交互参数的 p 值的“汇总输出”不能用于参考水平以外的成对比较。

非常感谢任何建议。

谢谢！

Answer 1

首先说明一下，对于Gibbs模型来说，似然是很棘手的，所以anova.mppm进行的是调整后的复合似然比检验，而不是似然比检验。但是，您基本上可以将其视为基于偏差差异的似然比检验。

whether each individual id shows significant regularity

I am aware I could build separate ppm models for each id to test for significant regularity in each id, but I am not sure this is the best approach.

这很合适。使用 ppm 将 Strauss 模型拟合到单个点模式，并使用 anova.ppm 测试 Strauss 交互作用是否具有统计显着性。

whether some groups of ids show significantly stronger inhibition than other groups, for example, whether ids 1-7 are are significantly more regular than ids 8-10.

引入一个新的分类变量（因子）f，比如说，它将您要比较的两组分开。在您的模型中，将术语 f:str 添加到交互公式中；这给了你替代假设。空模型和替代模型是相同的，只是替代模型在交互作用公式中包含项 f:str。现在申请 anova.mppm。与所有方差分析一样，这执行双侧测试。对于单侧检验，检查拟合替代模型中 f:str 系数的符号。如果它具有您想要的符号，则将其报告为具有相同 p 值的显着性。否则，将其报告为不重要。

perform pairwise comparisons of regularity between different ids.

尚不支持（理论上或软件）。

[恭喜，您已经达到了现有方法论的极限！]

mppm模型中施特劳斯参数的检验意义

Testing significance of Strauss parameters in mppm model

statistics

spatial

anova

spatstat