我正在分析救护车事故数据。该数据集涵盖了三年,大约有250000起事件。
初步分析表明,事故分布与人口分布有关。
我想获取数据的子集,看看它们与总体图有什么不同。由于数据子集中固有的点数较少,我如何解释强度差异?
或者有没有一种方法可以直接使用我的合身模型来拍摄总照片?
到目前为止,我将尝试使用伪代码来解释我的方法。。
250k_pts.ppp <- ppp(the_ambulance_data x and y, the_window)
1.3m_census_pts <- ppp(census_data x and y, the_window)
通过目视检查,密度表面的最佳带宽似乎为
bw.scott
inc_density <- density(250k_pts.ppp, bw.scott)
pop_density <- density(1.3m_census_pts, bw.scott)
fit0 <- ppm(inc_density ~ 1)
fit_pop <- ppm(inc_density ~ pop_density)
partials <- parres(fit_pop, "pop_density")
绘制部分残差表明,与线性拟合的一致性大体上是可以接受的,有些区域存在“摆动”。。
我接下来想做什么:
the_ambulance_data %>% group_by(day_of_week, hour_of_day) %>%
select(x_coord, y_coord) %>% nest() -> nested_day_hour_pts
fri23.den <- density(fri_2300hr_ppp, bw.scott)
fit_fri23 <- fit(fri_2300hr_ppp ~ pop_density)
然后,我如何将这种购买力平价或密度与更广泛的模型进行比较?我可以做一些特性测试,比如离散度、聚类。。我可以比较
fit_pop
fit_fri23
?
