如何从拟合参数构建kppm对象并评估点过程模型性能？

核心结论 #

你完全可以用得到的参数集构建kppm对象来评估模型性能，同时模拟实现与实际数据对比也是重要的验证手段，两者结合使用能更全面地评估模型拟合效果。

构建kppm对象的具体方法 #

• 使用spatstat包中的kppm()函数，指定聚类模型类型为"Thomas"，并传入你拟合得到的kappa和sigma参数，同时将非均匀强度项mu（像素图像）作为偏移项纳入模型：

  # 假设merged_pp是合并后的点模式，mu是缩放后的强度图像
  my_kppm <- kppm(merged_pp ~ offset(log(mu)), clusters = "Thomas", 
                  parameters = list(kappa = your_kappa, sigma = your_sigma))
  

• 由于你的点模式分布在不同多边形窗口中，若要针对单份窗口数据构建模型，只需将对应窗口的点模式和匹配的mu图像传入即可，必要时可用solate()函数提取单份复制数据的窗口和点模式。

基于kppm对象的模型评估方式 #

• 诊断性分析：调用diagnose.kppm(my_kppm)生成模型诊断图，对比实测与模型预测的K函数、L函数或残差分布，直观判断拟合效果；
• 强度预测对比：使用predict(my_kppm)生成模型的强度预测图像，与从原始数据估计的强度（如density.ppp()结果）做定量对比；
• 拟合优度统计：计算模型的离差信息准则（DIC）或其他拟合统计量，衡量模型对数据的解释能力。

模拟对比的必要性 #

即使构建了kppm对象，模拟验证依然不可缺少：

• 从kppm模型中模拟多组点模式（需匹配原始数据的多边形窗口），使用simulate(my_kppm, nsim = 10, win = original_windows)；
• 对比模拟数据的合并Kinhom函数、强度分布等统计特征与实际数据的差异，验证模型是否能复现原始数据的聚类特性；
• 对于多窗口的复制数据，模拟时需保证每个模拟样本的窗口与原始对应窗口一致，避免窗口差异带来的偏差。

关键注意事项 #

• 务必确认mu的缩放逻辑正确：kappa * sum(mu * area(mu))需等于总体强度lambda，这是Thomas模型强度公式的核心要求；
• 若要评估模型对所有复制点模式的拟合效果，可循环为每个窗口构建对应的kppm模型，或用合并数据的模型对每个窗口做预测后逐一对比。

内容的提问来源于stack exchange，提问作者SGJ