1

「geoR」パッケージを使用して、セミバリオグラムを次のようにフィッティングしました。

#loading geoR
library(geoR)
#calculating the semivariogram
bin1 <- variog(geodata)
#plotting
plot(bin1)
#fitting the model
lines.variomodel(cov.model = "exp", cov.pars = c(0.571,0.2527), nug = 0.13, max.dist=1)

指数モデルの適合度を（簡単に）知る方法はありますか？

前もって感謝します ...

4

1 に答える 1

2

ここではモデルを実際に適合させていません。これを使用variofitして、モデルを経験的セミバリオグラムに適合させることができます。

例えば

library(geoR)
vario100 <- variog(s100, max.dist=1)
ini.vals <- expand.grid(seq(0,1,l=5), seq(0,1,l=5))
ols <- variofit(vario100, ini=ini.vals, fix.nug=TRUE, wei="equal")
## variofit: model parameters estimated by OLS (ordinary least squares):
## covariance model is: matern with fixed kappa = 0.5 (exponential)
## fixed value for tausq =  0 
## parameter estimates:
## sigmasq     phi 
##  1.1070  0.4006 
## Practical Range with cor=0.05 for asymptotic range: 1.200177
## 
## variofit: minimised sum of squares = 0.1025

cov.spatialを使用して、バリオグラムの各ポイントで自分自身の適切な加重二乗和を計算できます。

これは良い考えではないと思います。

loglik.GRF代わりに、特定のモデルとすべてのデータに関連する尤度を計算するために使用できます

# you can pass an existing model
loglik.GRF(s100, obj.model = ols)
## [1] -87.32958

またはパラメータだけ

 loglik.GRF(s100, cov.pars = c(1.5,0.6), nugget = 0.01)

加重最小二乗値が本当に必要な場合は、実際には何も適合させずに、パッケージfit.variogramから使用できます。gstat

良い点の1つは、モデルからバージョンgstatに変換するためのいくつかのヘルパー関数があることです。これは、予測がはるかに高速で効率的であるため、非常に便利です。geoRgstatgstat

例えば

 library(gstat)
 # convert geodata to  data.frame object
 s100df <- as.data.frame(s100)
 # remove geodata.frame class that causes problems
 class(s100df) <- 'data.frame'

 # create gstat version of variogram
 s100v <- variogram(data~1, ~X1+X2, s100df)

 # convert a variomodel to vgm object

 foo <- as.vgm.variomodel(list(cov.model = 'exponential', kappa = 0.5,
                          cov.pars = c(1.5,0.6), nugget = 0.2))

 # get the weighted least squares value
 # calling fit.variogram without fitting any thing
 fittedfoo <- fit.variogram(s100v, foo, fit.sills = FALSE, fit.ranges = FALSE)
 # the weighted sum of squares is
 attr(fittedfoo, 'SSErr')
 ## [1] 0.6911813
于 2013-03-13T02:19:40.800 に答える