spatstat 或 sparr 包中的相对风险估计以及双变量空间点过程建模

Question

我是点过程研究领域的新手，我正在处理森林物种（4 个不同物种）的数据。我对每个物种进行了

first

和

second-order

分析，对表现出空间强度变异性的物种使用

Linhom

和

Jinhom

函数测试了同一物种个体的依赖结构，并使用

和

那些没有表现出空间强度变化的。我还根据观察到的依赖结构对每种类型森林物种的相同物种个体的分布进行了建模（Cox:

Matérn

、

Cauchy

、

LGCP

、

Gamma Variance

和

Thomas

（聚类））；吉布斯：

Strauss

（抑制））。 现在我想研究不同物种之间的成对关系，问题是:

除了使用距离函数或
```
first
```
或
```
second-order
```
及其扩展的
```
intensity
```
和
```
dependency
```
```
K
```
和
```
Kinhom
```
结构之外，计算相对风险（
```
relrisk
```
）是否正确？）考虑一个物种相对于另一个物种的出现，以评估研究区域中哪个物种比另一个物种更具优势，看看成对物种的情况？
当我发现可能的聚类时，如何考虑双变量情况对这些物种进行建模，因为
```
Spatstat
```
到目前为止还没有实现双变量 Cox 模型？
从1987年到2017年最后一次森林清查，我对物种进行了研究，就2017年的情况而言，我发现所有物种都有一些植物死亡。研究这些森林物种死亡的
```
relative risk
```
，看看哪一个更容易死亡，是否有意义？

我感谢大家的帮助，正如我提到的，我是这个领域的新手，但我正在写这个领域的论文，作为学习更多和理解的一种方式。

Answer 1

这是很多问题。

stackoverflow

社区可以建议您如何使用软件，但您基本上是在寻求研究建议；研究顾问是最好的询问者。

最好阅读课本来学习基础知识。

在回答你的问题1时，

intensity

、

density

和

relrisk

是研究平均点数的一阶方法。

relrisk

可用于研究不同类型（例如不同物种的树木）的点是否彼此隔离。相关函数

segregation.test

提供了正式的统计测试。功能

ppm

允许您拟合模型。另一方面，点之间的依赖性（无论它们是相同类型还是不同类型的点）涉及高阶统计，例如成对计数（

Kest

，

pcf

，

Kcross

，

pcfcross

等）或最近的邻居统计信息（

Gest

、

Gcross

等）。有很多可用的工具，在spatstat 书中进行了总结。

对于问题 2 和 3，您要求的功能尚未在

spatstat

中实现。