R语言 SpatioTemporal包 mesa.data()函数中文帮助文档(中英文对照)

loveR

mesa.data(SpatioTemporal)
mesa.data()所属R语言包：SpatioTemporal

                                         Example of a mesa.data Structure
                                         实施例一个mesa.data结构

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Example of a data structure holding observations, observation locations, smooth temporal trends, geographic covariates and spatio-temporal covariates.
控股观测，观测地点，平滑的变化趋势，GEO协变量和时空协变量的数据结构的例子。


用法----------Usage----------


data(mesa.data)



格式----------Format----------

A list with elements, a detailed description of each elements is given below (see details):
列表元素，每个元素的详细描述，下面给出的（见详情）：




location A data.frame containing names, locations and possibly other information about the observation locations.
位置数据框，包含名称，位置和其他可能的信息的观测位置。




LUR A data.frame with geographic covariates (land use regressors) for each of the observations locations. The rownames of LUR should match the names in location$ID so that the covariates can be matched to locations.
LUR数据框的观测地点的GEO协变量（土地使用回归系数）。土地使用权的行名的名称相匹配location$ID这样的协变量可以相匹配的位置。




trend A data.frame containing the smooth temporal trends.
趋势数据框平滑的变化趋势。




obs A data.frame containing the observations, along with information regarding where and when the observation was taken.
OBS数据框的意见，连同有关观察时。




SpatioTemp An array containing the spatio-temporal covariates, set to NULL if no covariates exist.
SpatioTemp一个数组，包含的时空协变量，如果不存在协变量设置为NULL。


Details

详细信息----------Details----------

This data structure provides an example of how the input data should be organised. The <br> mesa.data object is used as input to create.data.model which creates a <br> mesa.data.model that can be used as input to most of the functions in this package, <br> e.g. loglike, fit.mesa.model, cond.expectation, run.MCMC, <br> simulateMesaData, etc.
这个数据结构提供了一个示例输入数据应该如何组织。的<br> mesa.data对象作为输入create.data.model创建一个<br>mesa.data.model输入在此包中的大部分的功能，可以用来作为参考，例如loglike，fit.mesa.model，cond.expectation，run.MCMC，参考simulateMesaData，等等。

Each of the components contains a number of elements. Additional elements can be added to the end of each component.  Some common options are described below.
的组件中的每一个都包含一个的元素数。额外的元素，可以添加到每个组件的端部。下面介绍一些常见的选项。




location Should contain:
location应包含：




ID A factor (or character) containing unique names for
ID的一个因素（或字符）的唯一名称




x, y X- and Y-coordinates for the the observation
的x，Y X-和Y-坐标的观察

The location element may also contain:
“location元素还可以包含以下内容：




long, lat Longitude and latitude for the the (observation) locations; often needed to plot the locations on
长，纬度经度和纬度的位置（观察）经常需要绘制的位置上




type A factor describing the type of location, often helpful when trying to distinguish different types of
A型因子描述的类型，位置，通常会有所帮助时，试图区分不同类型的




LUR Should contain as many geographic covariates as makes sense. The rownames of LUR should match the names in location$ID so that geographic covariates can be related to the correct monitor location. Note that all of these covariates are not necessarily used when fitting the model, instead create.data.model is used to select covariates.
LUR应包含许多GEO协变量是有道理的。 rownames LUR的名称相匹配location$ID“这样可以与正确的显示器的位置，GEO协变量。请注意，所有这些相关变量不一定拟合模型时使用的，而不是create.data.model用于选择协变量。




trend Should contain the temporal trends with one of the columns of the data.frame being named date of class Date providing the time alignment for the temporal trends. Thus this <br> data.frame contains one column for each temporal trend plus one additional date column.
trend应包含的时间趋势的数据框的列被命名为date类Date提供时间校准的时间趋势。因此这<BR>的数据框包含每个时间趋势加上一个额外的date列一列。




obs Should contain:
obs应包含：




obs The value of each observation.
OBS各观测值。




date The time at which the corresponding observation was taken (as class Date).
最新的时机，采取相应的观测（如类Date）。




ID A factor (or character) giving location at which each  observation was taken. These should be names that match the elements in location$ID.
ID的一个因素（或字符）的位置在每个观察。这些应该是在location$ID的名字相匹配的元素。

The obs element could also contain additional information about each observation.
obs元素也可以包含更多的信息，对每个观察。




SpatioTemp Should contain a 3D-array of spatio-temporal covariates, or equal NULL if no spatio-temporal covariates are given. The array should be (number of timepoints) - by  - (number of locations) - by - (number of covariates) and provide spatio-temporal covariates for all space-time locations, even unobserved ones (this is needed for prediction).
SpatioTemp应包含一个3D阵列的时空协变量，或等于NULL，如果没有时空的协变量。数组应的时间点（数字） - 通过 - （位置） - 由 - （协变量），并提供所有的空间，时间地点，甚至未观察到的（这需要预测）的时空协变量。

The rownames of the array should represent dates and colnames should match the observation location names in location$ID. Not all of the spatio-temporal covariates are necessarily used when fitting the model, instead create.data.model is used to select spatio-temporal covariates.
rownames的数组表示日期和colnames应符合的观测位置在location$ID的名称。并非所有的的时空协变量的拟合模型时，必须使用的，而不是create.data.model用于选择时空协变量。


源----------Source----------

Contains monitoring data from the <STRONG>MESA Air</STRONG> project, see Cohen et.al. (2009) and mesa.data.raw for details.
包含从<STRONG>梅萨航空</ STRONG>项目的监测数据，参见Cohen等人（2009）和mesa.data.raw的详细信息。


参考文献----------References----------

D. Hardie, A. Ho, P. Kinney, T. V. Larson, P. D. Sampson, L. Sheppard, K. D. Stukovsky, S. S. Swan, L. S. Liu, J. D. Kaufman. (2009) Approach to Estimating Participant Pollutant Exposures in the Multi-Ethnic Study of Atherosclerosis and Air Pollution (MESA Air). Environmental Science &amp; Technology: 43(13), 4687-4693.

参见----------See Also----------

See mesa.data.model and create.data.model.
见mesa.data.model和create.data.model。

For other data functions, see mesa.data.raw, create.data.matrix, <br> construct.LUR.basis, and default.LUR.list.
对于其它数据功能，请参阅mesa.data.raw，create.data.matrix，参考construct.LUR.basis，default.LUR.list。


实例----------Examples----------


##load the data[＃加载的数据。]
data(mesa.data)

##Lets look at the data[＃让我们来看看在数据]
names(mesa.data)

##Study the structure of the location data[＃36的结构的位置数据]
head(mesa.data$location)

##...the covariates[＃...协变量]
head(mesa.data$LUR)

##...the smooth temporal trends[＃...平滑的变化趋势]
head(mesa.data$trend)

##...observations[＃...观察]
head(mesa.data$obs)

##...and Spatio-temporal covariate[＃...时空协]
head(mesa.data$SpatioTemp)

##Look at the number of observations/locations[＃看看的意见/地点]
printMesaDataNbrObs(mesa.data)

##Let's plot the space-time monitoring locations[＃让我们绘制的时空监控地点]
plotMonitoringLoc(mesa.data)

##Let's plot the observations as a function of time[＃让我们绘制的观测时间的函数]
plotMonitoringLoc(mesa.data, obsplot=TRUE, legend.loc="bottomleft")

##plot observations and residuals from the temporal trends[＃图的意见和残差的时间趋势]
par(mfcol=c(3,2),mar=c(2.5,2.5,2,.5))
plotMesaData(mesa.data,5,type="obs")
plotMesaData(mesa.data,5,type="res")
plotMesaData(mesa.data,5,type="acf")
plotMesaData(mesa.data,18,type="obs")
plotMesaData(mesa.data,18,type="res")
plotMesaData(mesa.data,18,type="acf")

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。