Stasioneritas - asumsi dan pemeriksaan


8

Saya sedang memeriksa tangkapan tikus di enam jerat perangkap tikus permanen berukuran 150 x 150 meter dan terdiri dari 121 stasiun perangkap yang berjarak 15 meter. Ada enam kisi perangkap seperti itu di lokasi penelitian yang berukuran <1000 hektar. Saya ingin menginterpolasi data penangkapan untuk membuat permukaan aktivitas tikus yang telah dipicu. Asumsi interpolasi adalah bahwa data itu diam.

Sebagai Fortin & Dale (2005) menyatakan

stasioneritas diperlukan untuk membuat kesimpulan dari model yang mencirikan proses struktur spasial data di lokasi yang tidak disampel.

Dari apa yang saya mengerti, suatu proses dapat digambarkan sebagai stasioner ketika sifat statistiknya (rata-rata dan varians) tidak bervariasi di seluruh ruang.

Tetapi bukankah variasi antar ruang mengapa kita melakukan analisis spasial sejak awal?

Stationaritas sangat sering diperkenalkan dalam literatur analisis spasial / geostatistik tetapi, saya belum menemukan arah dan informasi yang solid tentang

  1. skala apa, atau untuk jenis studi apa, masuk akal untuk menganggap data Anda diam,
  2. cara memeriksa dan memverifikasi data yang diam, dan terakhir,
  3. sekali dikuantifikasi dengan cara apa saja seberapa besar perbedaan dari satu area ke area berikutnya memenuhi syarat data Anda sebagai tidak stasioner?

Sejauh ini setelah meninjau literatur konsep dan pemeriksaan stasioneritas tampaknya sangat subyektif, sewenang-wenang dan / atau dikaburkan.

Kalau ada yang bisa memberikan saran praktis dengan masalah ini saya akan sangat menghargainya!


Anda mungkin tertarik dengan diskusi ini di utas yang terkait erat.
whuber

Jawaban:


2

Selalu ada dua cara untuk menghitung statistik dengan hal-hal yang Anda bicarakan:

  1. Hitung statistik dalam satu kotak.
  2. Hitung statistik antara kotak yang berbeda.

Sekarang, tidak ada alasan bahwa properti statistik dalam satu kisi harus cocok dengan karakteristik statistik antara kisi. Mereka bisa jadi sangat berbeda, yaitu satu bisa berada di ladang ranjau tanpa tikus dan yang lain bisa di pusat kota Baltimore. Jelas, distribusi tikus akan sangat berbeda tergantung pada cara saya mengiris data, yaitu di seluruh grid atau di dalam grid.

Stationaritas adalah asumsi bahwa statistik yang Anda hitung adalah sama terlepas dari cara Anda mengiris data. Secara praktis, Anda dapat "memeriksa dan memverifikasi data yang diam" dengan menganalisis cara, varian, histogram, dll., Di dalam situs, dan kemudian di seluruh situs, dan melihat apakah keduanya sama, hingga dalam interval kepercayaan. Tidak ada aturan yang keras dan cepat; Anda melakukan yang terbaik dengan data yang Anda miliki dan teknik yang Anda miliki, cobalah untuk membenarkannya secara matematis, dan menyajikan hasil praktis. Saya akan mengatakan bahwa Anda dapat membenarkan metode Anda jika Anda dapat menunjukkan stasioneritas dengan cara ini untuk beberapa interval kepercayaan standar, katakanlah 95% atau 99%.


3
Meskipun ini masuk akal secara umum, bagi saya itu agak bertentangan dengan praktik statistik spasial yang biasa. Di sana, stasioneritas adalah keputusan yang dibuat oleh pemodel, bukan properti yang melekat pada suatu proses atau data. Ini merujuk tidak harus ke data tetapi untuk residu dari tren eksternal, atau "melayang." Dalam contoh tikus Anda, perbedaan jumlah tikus yang diharapkan dengan lokasi dapat dimodelkan dengan penyimpangan dan bagian stokastik dari model dapat dianggap diam.
whuber
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.