Monte Carlo空间隔离测试spatstat包segregation.test结果异常咨询

检验统计量T的具体含义 #

segregation.test是spatstat中用于验证多类型点模式空间关联/隔离特性的非参数检验方法，其输出的T统计量为类间分离度加权统计量，计算逻辑是统计不同类型点的邻域内其他类型点的占比，和随机混合假设下的期望占比的偏差平方加权和：

• T值越接近0，代表参与检验的两类点空间分布是随机混合的，无显著相关性
• T值越大，代表参与检验的两类点空间分布差异越大，存在显著的空间关联（正相关/负相关需要结合核估计的分布方向判断）

p值完全一致的原因 #

该现象属于Monte Carlo检验的正常边界现象，并非计算错误：
segregation.test的p值通过蒙特卡洛模拟计算，公式为p = (1 + 模拟结果中T值≥观测T值的次数) / (1 + nsim)，其中nsim是你设置的模拟次数。
如果两个不同的观测T值，都大于所有nsim次模拟生成的T值，或者都小于所有模拟生成的T值，就会得到完全相同的边界p值。

可能存在的操作错误 #

• 未拆分检验子集：segregation.test默认对输入的所有类型点做整体隔离度检验，你需要单独验证A-B、B-C的相关性时，需要先将多类型点模式裁剪为仅包含对应两类的子对象，再分别传入检验函数，不能直接用三类混合的检验结果
• 蒙特卡洛模拟次数设置过低：如果nsim参数仅设置了几十到上百次，很容易出现多个观测T值都落在模拟结果的取值边界外，导致p值一致，建议将nsim设置为≥999再重新运行
• 零假设设置不符合场景：segregation.test默认零假设为随机标签假设（点位置固定，类型随机分配），如果你要验证的是两类点的强度分布相关性，需要调整零假设为泊松分布假设，通过null参数指定零模型，避免假设和检验目标不匹配

对应的强度核估计结果参考：
#

内容的提问来源于stack exchange，提问作者Hashriama