ks包Hpi函数返回极端带宽矩阵值问题求助

我在R中开展疾病时空动态的系统地理重建分析，使用seraphim包的spreadGraphic2函数重构空间多边形做可视化时遇到问题。该函数内部调用ks包的Hpi()函数估计带宽矩阵，相关代码为：

H = Hpi(cbind(selectedNodes["lon"], selectedNodes["lat"]))

输入的经纬度矩阵仅含正值，且范围合理，Hpi()执行时无警告或错误，但返回的带宽矩阵值极端：

H
              [,1]          [,2]
[1,]  6.269884e+37 -2.335728e+38
[2,] -2.335728e+38  8.731985e+38

此类极端值导致后续分析失败，以下是针对Hpi()生成异常带宽矩阵的原因分析、排查技巧及解决建议：

可能原因及排查方向 #

• 样本量不足：Hpi()基于核密度估计的插件法实现，当样本量过少（比如少于5个空间点）时，算法会出现数值不稳定，直接输出极端值。先执行nrow(selectedNodes)确认样本量是否达标。
• 数据共线性：如果经纬度数据存在近乎完全的线性相关（比如所有点严格排列成一条直线），协方差矩阵会接近奇异，导致带宽计算出现数值爆炸。可通过cor(selectedNodes$lon, selectedNodes$lat)计算相关系数，或绘制散点图plot(selectedNodes$lon, selectedNodes$lat)验证是否存在线性依赖。
• 坐标空间不匹配：Hpi()假设输入数据处于欧氏空间，如果直接使用度为单位的地理坐标（而非投影后的平面坐标），球面坐标的非线性特性会干扰带宽估计逻辑。尝试将经纬度转换为UTM等平面投影坐标后再运行Hpi()。
• 默认算法不适用：Hpi()默认使用plugin方法，针对某些特殊数据分布（比如高度聚集的点集）可能适配性差。可尝试更换方法，比如Hpi(x, method="cv.ml")（交叉验证法）或Hpi(x, method="dpi")（插件法变体），观察结果是否正常。
• 数据精度/重复问题：检查输入经纬度是否存在异常高精度（比如小数点后10位以上）或隐藏重复数据。可通过unique(selectedNodes)去重后再次测试。

验证与修复步骤 #

1. 先确认样本量，若样本量小于10，考虑补充样本或手动指定带宽矩阵（比如H = diag(c(0.1, 0.1))，数值根据数据范围调整）。
2. 计算协方差矩阵cov(cbind(selectedNodes$lon, selectedNodes$lat))，若对角线值极小或行列式接近0，说明共线性严重，需调整数据或更换带宽估计方法。
3. 尝试使用对角带宽估计函数Hpi.diag()，该函数会规避共线性导致的矩阵奇异问题，输出对角带宽矩阵。

内容的提问来源于stack exchange，提问作者Ayaki