用lpp測試CSR與R

我最近發佈了一個關於這樣做的正確方法的「非常新穎的R」問題，如果你對它感興趣，你可以在這裏找到它。 1 用lpp測試CSR與R

我現在已經設法開發出一個簡單的R腳本來完成這項工作，但現在結果讓我感到困擾。其中零假設是所述點隨機分佈

我使用R鍵分析lpp（線性點模式）與mad.test。那功能長話短說執行假設檢驗。目前我有88 lpps來分析，而根據p.value其中86個是隨機分佈的，其中2個不是。

這些是兩個沒有隨機分佈的lpps。

看着他們，你可以看到某種簇中的第一個，但第二個只有三個點，而在我看來，有沒有辦法可以保證只有三個點不對應到隨機分佈。還有其他軌道有一點，兩點，三點，但都屬於「隨機」lpps類別，所以我不知道爲什麼這個不同。

所以，這裏是一個問題：CSR測試有多少點太少？

我也注意到，這兩個lpps比其他人低很多$statistic$rank。我試圖找到這意味着什麼，但我現在無能爲力，所以這裏是另一個新問題：是$statistic$rank某種質量分析指標，因此我可以使用它來將我的lpp分析分組爲「重要分析」和「太少分」？

我的R腳本和所有的shp文件可以從here（850 Kb）下載。

非常感謝您的幫助。

來源

2017-08-27 Alberto Mnemon

謝謝我也有同樣的問題。有多少太少。我理解這取決於上下文，但即使在上下文中，有時候也有點太少。所以，對於點模式分析，多少個點或每單位長度有多少點值得考慮。 – BKS

對不起，添加到您的問題，因爲我也在尋找相同的答案。現在，假設如果你將所有的日子事件合併爲一個ppp和一個每日lpp，它會給你不同數量的總分。如果你將它合併一週，你將有不同數量的總積分。在我的情況下，如果我做出這些組合（小時，星期，星期，月），在我的情況下，所有的組合都是有效的，仍然在我的上下文中，但是我會根據我使用的時間聚合得到隨機或聚類模式。有些聚合的點很少，所以我想知道它是否仍然有效，以點模式研究它們。 – BKS

對於需要分析多少個點的問題，不可能給出普遍的答案。通常，0,1和2對於獨立分析來說太少了。但是，如果它們是重複測量同一事物的一部分，它們仍然可能是有趣的。另外，我通常會說，你有3分的例子太少，不能說任何有趣的事情。但是，一個極端的例子是，如果您有一條長線段，其中一個點出現在靠近一端的位置，而另一個出現在另一端的位置靠近另一端。這不太可能發生在CSR上，你可能會傾向於不相信這個假設。這似乎是你的情況發生了什麼。

關於您對等級的問題，您可能想了解一下您正在執行的蒙特卡洛測試的更多內容。基本上，你用一個數字（線性K的最大絕對偏差）總結點模式，然後再看看這個數字與從CSR隨機生成的數字相比有多極端。假設你使用99個CSR模擬，你總共有100個數字。如果您的數據排在最極端（$statistic$rank==1）之間，那麼它的p值爲1％。如果它排在第50位，則p值爲50％。如果您使用了其他數量的模擬，則必須相應計算。即具有199個模擬等級1爲0.5％，等級2爲1％等。

來源

2017-08-28 08:22:52

非常感謝@EgeRubak向我解釋排名是什麼。在我看來，沒有辦法獲得「質量指標」，所以也許我會將我的分析限制在4+以上的軌道上。 –

這裏存在一個基本問題多重測試。你正在應用88次假設檢驗。該測試（默認情況下）設計爲在5％（1/20）的應用程序中產生誤報，所以如果原假設爲真，則88次測試的結果應該是88/20 = 4.4。所以只得到2個肯定的結果（「非隨機」）完全符合所有模式都是隨機的虛假設。我的結論是，模式是隨機的。

來源

2017-08-29 01:16:53

用lpp測試CSR與R

回答

相關問題