用R中的spatstat分析多边形标记点模式
用R中的spatstat分析多边形标记点模式
提问于 2022-11-05 10:12:01
我有一个数据集(数据)，我想使用R中的spatstat进行分析，观察到的区域是一个多边形。我的数据的标记是数值，1和0。如果点(圆)有一个0的标志，它将是白色的，如果它有一个标志1，它将被着色为绿色。我想分析一下绿点分布。我想知道它们是否通过使用任何量化方法(例如Moran测试或任何其他方法)进行聚类)。问题是(你可以看到下面的图)，我不只是分析相对于整个多边形区域的绿色圆圈，我想分析的是绿色圆圈是否相对于白色圆圈聚集。这就是让我困惑的原因。如何应用莫兰检验或其他量化方法进行分析？
x = c(3,0.5,1,0,0,0,2,2.5,5.5, 16,21,26,28,40, 47, 52, 58, 60, 65, 63, 63, 75, 77, 78, 75)
y = c(116,106,82.5,64,40,35,25,17.5,5,5,5,8,10,8, 14, 14, 10, 0, 0, 17, 20, 24, 30, 50, 116)
p <- owin(poly = cbind(x, y))
point_pattern = as.ppp(deviation_binary_locations_marks, p)
marks(point_pattern) <- as.factor(deviation_binary_locations_marks[, "APOD"])
table(marks(point_pattern))
plot(point_pattern,which.marks="APOD", main="Point pattern for gene APOD", chars = c("o","o"), bg = c("white", "green"),pch = 21, size = 0.75, cols = c("black", "green"), leg.side=c("left"))
我认为标记的位置(标签为1)是随机分布的，类似事故发生的地点，而圆的所有位置都是固定的(看起来像多边形)，我认为这是观察的窗口。
回答 1
Stack Overflow用户
发布于 2022-11-06 07:51:32
这是一个关于统计方法而不是软件的问题，所以它真正属于stackexchange，而不是堆栈溢出。但不管怎样：
spatstat包中的方法适用于点位置未预先确定的点数据，例如事故发生的地点。Moran索引假定位置是固定的，附加在它们上的标签是随机的。哪种情况更适合您的数据？如果点是树，标签是疾病状态，那么树实际上是固定的位置。然后，您可能需要一个包，比如处理这种情况的spdep。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/74326846
复制相关文章
相似问题
腾讯云开发者
