starve

starve é um pacote R para análise de dados espaço-temporais referenciados por pontos, um formato de dados típico de pesquisas ecológicas.

Instalando o pacote

Você pode instalar o pacote usando

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

Uma vez instalado, a vinheta do pacote pode ser visualizada abrindo R e executando

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

Esta vinheta atua como uma referência detalhada para trabalhar com o pacote starve.

Se você estiver tendo problemas para criar a vinheta durante as instruções do pacote, certifique-se de ter o pandoc instalado em seu sistema.

Princípios Orientadores de Design

Interface Simples

Com uma interface simples, os usuários do pacote podem gastar mais tempo e energia aprendendo com seus dados e menos em como codificar as etapas da análise de dados. O pacote starve envolve sua funcionalidade em quatro funções principais:

• strv_prepare() pega uma fórmula de modelo e um data.frame e pré-processa os dados para criar um objeto de modelo que é então usado nas outras três funções.
• strv_fit() realiza inferência de máxima verossimilhança em um objeto modelo, obtendo estimativas de parâmetros e erros padrão.
• strv_predict() usa um objeto de modelo para prever em locais e horários definidos pelo usuário.
• strv_simulate() simula um novo conjunto de dados de um objeto modelo.

Um aspecto do pacote com o qual alguns usuários podem não estar familiarizados é o uso de classes S4, que usamos para um objeto modelo (entre outras coisas). Para o usuário, as classes S4 funcionam de forma semelhante às listas, mas em vez de usar o símbolo $ para acessar partes da lista, você usa funções para acessar parte de uma classe S4. Por exemplo, para visualizar as estimativas dos parâmetros após executar strv_fit() , você usaria

parameters( x )

em vez de

 x $ parameters

Detalhes completos para explorar um objeto modelo são fornecidos na vinheta do pacote.

Uso nativo de formatos de dados espaciais

R tem um rico ecossistema de dados espaciais e espaço-temporais, consulte as visualizações da tarefa CRAN em Análise de dados espaciais e Tratamento e análise de dados espaço-temporais. O pacote starve aceita diretamente o formato de dados espaciais padrão de "recursos simples" conforme implementado no pacote sf e também integra o uso do pacote stars para previsões de modelo. Isso permite que os usuários ignorem muitas das etapas de organização de dados que podem estar envolvidas na análise de dados espaço-temporais, levando a um fluxo de trabalho simplificado.

Eficiência Computacional

O pacote starve utiliza uma variedade de técnicas para tornar a análise computacionalmente eficiente, o que tradicionalmente tem sido o principal fator limitante para a análise de dados espaço-temporais.

• Ele é construído usando TMB, que utiliza a combinação da linguagem C++, a aproximação de Laplace e diferenciação automática para avaliar rapidamente probabilidades marginais para modelos de efeitos mistos.
• O modelo implementado no pacote usa um processo Gaussiano vizinho mais próximo para modelar a variação espacial nos dados, que substitui a tarefa computacionalmente dispendiosa de inverter uma única matriz de covariância grande pela tarefa relativamente barata de inverter muitas matrizes de covariância pequenas.
• O pacote aproveita a estrutura espaço-temporal e o fato de que a variância das distribuições gaussianas condicionais não depende do valor condicionado para armazenar em cache os cálculos de covariância de um ano para o outro.