starve

starve 是一个用于分析时空点参考数据的 R 包，这是生态研究调查的典型数据格式。

安装包

您可以使用安装该包

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

安装后，可以通过打开 R 并运行来查看包小插图

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

此小插图可作为使用 starve 包的深入参考。

如果您在打包说明中创建小插图时遇到问题，请确保您的系统上安装了 pandoc。

指导设计原则

简单的界面

通过简单的界面，该软件包的用户可以花更多的时间和精力从数据中学习，而不是花在如何编写数据分析步骤上。 starve 包将其功能包装在四个主要函数中：

• strv_prepare()采用模型公式和 data.frame 并预处理数据以创建模型对象，然后在其他三个函数中使用该模型对象。
• strv_fit()对模型对象执行最大似然推理，获得参数估计和标准误差。
• strv_predict()使用模型对象在用户定义的位置和时间进行预测。
• strv_simulate()从模型对象模拟新数据集。

一些用户可能不熟悉该包的一个方面是 S4 类的使用，我们将其用于模型对象（除其他外）。对于用户来说，S4 类的工作方式与列表类似，但不是使用$符号来访问列表的一部分，而是使用函数来访问 S4 类的一部分。例如，要在运行strv_fit()后查看参数估计值，您可以使用

parameters( x )

而不是

 x $ parameters

包 vignette 中给出了探索模型对象的完整详细信息。

空间数据格式的本机使用

R 拥有丰富的空间和时空数据生态系统，请参阅空间数据分析和处理和分析时空数据的 CRAN 任务视图。 starve 包直接接受 sf 包中实现的标准“简单特征”空间数据格式，并且还集成了 stars 包用于模型预测的使用。这允许用户绕过分析时空数据时可能涉及的许多数据整理步骤，从而简化工作流程。

计算效率

starve 包使用多种技术来提高分析的计算效率，这传统上是时空数据分析的主要限制因素。

• 它是使用 TMB 构建的，TMB 结合使用 C++ 语言、拉普拉斯近似和自动微分来快速评估混合效应模型的边际似然。
• 包中实现的模型使用最近邻高斯过程对数据中的空间变化进行建模，这用相对便宜的反转多个小协方差矩阵的任务取代了计算昂贵的反转单个大协方差矩阵的任务。
• 该包利用时空结构以及条件高斯分布的方差不依赖于缓存一年到下一年协方差计算的条件值这一事实。