Я пытаюсь использовать направленную вариограмму для удаления пространственной автокорреляции из анализа. Я использую GeoR и APE, чтобы сделать это. Мой набор данных представляет собой простую таблицу со значением x, значением y и одним столбцом данных (без ковариат). Когда я проверяю ко-вариные пары (диапазон и порог), они нигде не близки к оценкам, которые я ввел при создании вариограммы. На самом деле это безумно большие значения, которые нельзя даже отобразить на графике бинов. В то время как я получаю график, который выглядит хорошо, если я пытаюсь провести перекрестную проверку модели, я получаю повторяющееся сообщение об ошибке, показывающее, что оценки из моей подгонки являются необоснованными. Есть ли способ сделать так, чтобы оценки были ограничены графом? Или в моем коде есть ошибка, влияющая на вывод?
Я уже пробовал использовать разные модели подгонки, все они дают разные большие значения, я также пытался использовать меньшие, более нереалистичные значения оценки для диапазона и порога, но получаю схожие результаты. Я также попытался добавить значение max.dist к функции variofit безрезультатно.
Код для создания вариограммы и подгонки
v5 <- variog(parana.gd, max.dist = 400, direction=0)
fit.0 <- variofit(v5, ini=c(10000, 400),nug =800, cov.model='gaussian', max.dist = 400)
plot(v5)
lines(fit.0)
fit.0$cov.pars
fit.0$nugget
Код для перекрестной проверки
set.seed(666)
tst.fit.0 <- xvalid(parana.gd, model = fit.0, variog.obj =v5, reestimate=T, output.reestimate=T)
Я ожидаю, что вывод fit.0 $ cov.pars будет где-то где-тооколо 10 000 и 400 графиков прилагается в качестве вывода изображения, включенного ниже.
variog: computing variogram for direction = 0 degrees (0 radians)
tolerance angle = 22.5 degrees (0.393 radians)
variofit: covariance model used is gaussian
variofit: weights used: npairs
variofit: minimisation function used: optim
[1] 798635.302 3296.309
[1] 741.4623
[1] https://imgur.com/mqCuJmq - график вариограммы и вариофита, пригонка выглядит хорошо
Сообщение об ошибке, созданное перекрестной проверкой, кажется предупреждениемв процессе перекрестной проверки, но результаты также необоснованны.
unreasonable initial value for sigmasq (too high)unreasonable initial value for sigmasq + nugget (too high)unreasonable initial value for phi (too high)