starve

starve adalah paket R untuk menganalisis data referensi titik spatio-temporal, format data yang khas untuk survei penelitian ekologi.

Menginstal Paket

Anda dapat menginstal paket menggunakan

 devtools :: install_github( " lawlerem/starve " , build_vignettes = TRUE )

Setelah terinstal, sketsa paket dapat dilihat dengan membuka R dan menjalankannya

vignette( " starve-tour " , package = " starve " )

Sketsa ini bertindak sebagai referensi mendalam untuk bekerja dengan paket kelaparan.

Jika Anda mengalami masalah saat membuat sketsa selama instruksi paket, pastikan Anda telah menginstal pandoc di sistem Anda.

Prinsip Panduan Desain

Antarmuka Sederhana

Dengan antarmuka yang sederhana, pengguna paket dapat menghabiskan lebih banyak waktu dan energi untuk mempelajari data mereka dan lebih sedikit mempelajari cara mengkodekan langkah-langkah analisis data. Paket starve membungkus fungsinya dalam empat fungsi utama:

• strv_prepare() mengambil rumus model dan data.frame dan memproses data terlebih dahulu untuk membuat objek model yang kemudian digunakan dalam tiga fungsi lainnya.
• strv_fit() melakukan inferensi kemungkinan maksimum pada objek model, memperoleh perkiraan parameter dan kesalahan standar.
• strv_predict() menggunakan objek model untuk memprediksi pada lokasi dan waktu yang ditentukan pengguna.
• strv_simulate() mensimulasikan kumpulan data baru dari objek model.

Salah satu aspek dari paket yang mungkin belum familiar bagi sebagian pengguna adalah penggunaan kelas S4, yang kami gunakan untuk objek model (antara lain). Bagi pengguna, kelas S4 bekerja mirip dengan daftar tetapi alih-alih menggunakan simbol $ untuk mengakses bagian dari daftar, Anda menggunakan fungsi untuk mengakses bagian dari kelas S4. Misalnya untuk melihat perkiraan parameter setelah menjalankan strv_fit() , Anda akan menggunakan

parameters( x )

alih-alih

 x $ parameters

Detail lengkap untuk menjelajahi objek model diberikan dalam sketsa paket.

Penggunaan Asli Format Data Spasial

R memiliki ekosistem data spasial dan spatio-temporal yang kaya, lihat pandangan Tugas CRAN tentang Analisis Data Spasial dan Penanganan serta Analisis Data Spatio-Temporal. Paket starve secara langsung menerima format data spasial "fitur sederhana" standar seperti yang diterapkan dalam paket sf, dan juga mengintegrasikan penggunaan paket bintang untuk prediksi model. Hal ini memungkinkan pengguna untuk melewati banyak langkah perselisihan data yang mungkin terjadi saat menganalisis data spatio-temporal, sehingga menghasilkan alur kerja yang efisien.

Efisiensi Komputasi

Paket starve menggunakan berbagai teknik untuk membuat analisis menjadi efisien secara komputasi, yang secara tradisional menjadi faktor pembatas utama untuk analisis data spatio-temporal.

• Itu dibangun menggunakan TMB yang menggunakan kombinasi bahasa C++, perkiraan Laplace, dan diferensiasi otomatis untuk mengevaluasi kemungkinan marjinal dengan cepat untuk model efek campuran.
• Model yang diimplementasikan dalam paket ini menggunakan proses Gaussian tetangga terdekat untuk memodelkan variasi spasial dalam data, yang menggantikan tugas komputasi yang mahal untuk membalikkan satu matriks kovarians besar dengan tugas yang relatif murah untuk membalikkan banyak matriks kovarians kecil.
• Paket ini memanfaatkan struktur spatio-temporal dan fakta bahwa varians distribusi Gaussian bersyarat tidak bergantung pada nilai yang dikondisikan untuk menyimpan perhitungan kovarians dari satu tahun ke tahun berikutnya.