У меня есть набор данных временного ряда о количестве потерь леса и средней температуре муссонов и количестве осадков в 590 районах страны. Формат представляет собой значение потерь в лесах в километрах, значение температуры в градусах Цельсия и значение осадков в мм для каждой точки данных (района) за каждый год в период между 2000-2018 гг.
Существует пространственная автокорреляция в данные, которые были идентифицированы с помощью вариограммы и Морана I.
Проблема в том, что я пытался запустить модель Ime со случайным влиянием состояния, в котором находится округ:
mod.cor<-lme(FLkm ~ Monsoon.Precip +
Monsoon.Temp,correlation=corGaus(form=~x+y,nugget=TRUE),
data=NE1, random = ~1|State)
И это дает мне ошибку:
Ошибка в getCovariate.corSpatial (объект, данные = данные): не может иметь нулевые расстояния в "corSpatial"
Я посмотрел вверх могу ли я добавить структуры корреляции к моделям с данными временных рядов, и, возможно, это будет возможно с другими методами, такими как Обыкновенные наименьшие квадраты, Географически взвешенная регрессия или пространственно-авторегрессионные методы запаздывания, но я не могу узнать больше, чем это. * Кто-нибудь был в состоянии моделировать данные как это, учитывая пространственную автокорреляцию и как ты сделал это?