簇点过程模型的引导标准误差（kppm）
Bootstrapping standard errors of cluster point process model (kppm)
我想报告我在 spatstat 中拟合的非均匀 Thomas 点过程模型的聚类参数（kappa、sigma）的标准误差。 Yue and Loh (2015) 报告通过参数 bootstrap 执行此操作。我对这个概念或将其应用于点过程模型不是很有经验。我该怎么做？
我的第一个猜测是多次模拟我的 kppm 并用相同的协变量重新拟合得到的模拟点。然后，根据每个后续拟合的聚类参数计算标准误差。这个对吗？如果是这样，在这种情况下有多少次模拟被认为是可以接受的？在此先感谢您的指点！
基本上你自己的描述是完全正确的。
My first guess is to simulate my kppm a number of times and re-fit the
resulting simulated points with the same covariates. Then, calculate
the standard errors from the clustering parameters of each subsequent
fitting.
剩下的唯一问题是要进行多少次模拟。基本上答案是："As many as you have time to do!"。经常看到人们做 1000 次模拟，那么你为什么不从那里开始呢？
我想报告我在 spatstat 中拟合的非均匀 Thomas 点过程模型的聚类参数（kappa、sigma）的标准误差。 Yue and Loh (2015) 报告通过参数 bootstrap 执行此操作。我对这个概念或将其应用于点过程模型不是很有经验。我该怎么做？
我的第一个猜测是多次模拟我的 kppm 并用相同的协变量重新拟合得到的模拟点。然后，根据每个后续拟合的聚类参数计算标准误差。这个对吗？如果是这样，在这种情况下有多少次模拟被认为是可以接受的？在此先感谢您的指点！
基本上你自己的描述是完全正确的。
My first guess is to simulate my kppm a number of times and re-fit the resulting simulated points with the same covariates. Then, calculate the standard errors from the clustering parameters of each subsequent fitting.
剩下的唯一问题是要进行多少次模拟。基本上答案是："As many as you have time to do!"。经常看到人们做 1000 次模拟，那么你为什么不从那里开始呢？