一般来说,使用这种回归克里格方法,无法保证模型在计算趋势和残差时是有效的。关于代码的一些注释。请注意,您使用
variogram
计算残差变差函数,但是
变异函数
使用正态线性模型来计算趋势,从而也计算残差。您需要根据您的
glm
,然后在此基础上计算残差变差函数。
您可以手动执行此操作,或者查看
fit.gstatModel
的函数
GSIF
包裹你也可以看看
binom.krige
来自
geoRglm
包裹
This thread
关于R-sig-geo可能也很有趣:
从GLM中提取残留物与使用指示剂有很大不同
变量。此外,甚至可能存在一些差异,具体取决于
你得到的GLM残差。运行GLM并探索残差
例如,通过变差函数,这是我认为的常规做法,但
它并不能告诉你整个故事。装配GLGM
(通用线性地质统计模型)可能更具结论性,因为
您可以对模型参数进行推理并访问相关性
更客观地使用空间术语。这是最初的动机
对于geoRglm来说,一次完成所有建模,而不是通过两个步骤
如在没有相关性的情况下拟合模型,然后对残差进行建模。
这带来了校准MCMC算法的额外负担。
后来,spBayes来到现场,看起来确实很有希望提出
更通用的框架,而geoRglm相当具体
单变量二项式和中毒模型。
正如罗杰所说,还有其他选择的余地
像GLMM或MCMCpack,但这肯定还没有准备好
“开箱即用”,代码需要进行空间调整
目的。
