setupSTdataset(SpatioTemporal)
setupSTdataset()所属R语言包：SpatioTemporal
Creates the data structure that is then used to build specific models via <a href="create.data.model.html">create.data.model</a>.
创建数据结构，然后将其用于构建具体型号通过<a href="create.data.model.html"> create.data.model </ A>。
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Creates the data structure that is then used to build specific models via create.data.model. This includes observations, observation
创建数据结构，然后将其用于构建具体型号通过create.data.model。这包括观察，观察
用法----------Usage----------
setupSTdataset(rawobs, covardat, covarnames, trendf,
varnames=list(yraw="lac",date="intended_wednesday",idobs="site_id",idcov="site.id",xcoord="lambert.x",ycoord="lambert.y",long="longitude",lat="latitude"), x.to.km=1000,transform=log,scale=TRUE,mesa=TRUE)
参数----------Arguments----------
参数：rawobs
Data frame with the raw observations. Should have vectors whose names are identified by the items “yraw”, “date”,“idobs” in varnames.
原始观测数据框。应该有向量，其名称所确定的项目“yraw”，“日期”，“idobs”varnames。
参数：covardat
Data frame with the regression predictors. Should have vectors whose names are identified by the items “idcov”, “xcoord”, “ycoord”, “long”, “lat” in varnames.
数据框的回归预测因子。应该有向量，名列确定的项目“idcov”，“XCOORD”，“YCOORD”，“长”，“土地增值税”varnames。
参数：covarnames
Character vector with the names of variables in covardat that should be included in the modeling dataset. If you are not sure, then just specify all names (i.e., “names(covardat)”).
字符向量中的变量的名称应包括在covardat会，建模数据集。如果你不知道，那么就指定所有名称（即“的名称（covardat）”）。
参数：trendf
Matrix or data frame with the time trend, on the modeling scale. Its format should be compatible with the output of SVD.smooth: columns represent the smooth time trends, and the row names are in the R Date format.
矩阵或数据框的时间趋势，在建模的规模。它的格式应该是兼容的输出SVD.smooth：列代表了平滑的时间趋势，该行的名字都在RDate格式。
参数：varnames
List of character strings denoting the variable names needed to identify and match the various data components. See above.
表示需要的变量名识别和匹配的各种数据组件的字符串列表。见上文。
参数：x.to.km
Numeric, conversion factor from the coordinate scale to km. Defaults to 1000. Set to 1 to ignore.
数字，换算系数的坐标轴公里。默认为1000。设置为1，不容忽视。
参数：transform
Function, the transformation link from the scale in which observations appear in rawobs, to the modeling scale. Defaults to log.
功能，改造规模从观测出现在rawobs，建模规模。默认为log的。
参数：scale
Logical: should the covariates in the LUR component be scaled to each have mean 0 and variance 1? Defaults to TRUE.
逻辑的协变量的土地使用权组件可以扩展到每一个均值为0，方差为1的吗？默认为TRUE的。
参数：mesa
Logical: should we assume that location ID names follow the MESA-Air convention? Defaults to TRUE.
逻辑：我们是否应该承担，位置ID名称遵循MESA航空公约吗？默认为TRUE的。
Details
详细信息----------Details----------
This function is a time-saving aid, for creating the basic data structure for fitting spatiotemporal models, with some built-in error checks.
这个函数是一个节省时间的援助，用于创建基本的数据结构的时空模型拟合，与一些内置的错误检查。
The output of this function can be fed as the mesa.data argument into create.data.model, to build specific models, or to prediction functions.
mesa.data参数，这个函数的输出可以喂到create.data.model，建立特定的模型，，或预测功能。
The function separates out the geographic information in covardat into the “location” and “LUR” components, ensuring that all location IDs with observations have location and covariate data. It also ensures that all observation dates have a trend function value – if some do not exist, it calculates them using smooth.spline, giving out a warning.
covardat到“位置”和“土地使用权”组件的功能分离出来的GEO信息，确保所有位置的ID与观测位置和协变量数据。这也保证了所有观察日有一个趋势函数值 - 如果不存在，它会计算并使用smooth.spline，发出一个警告。
If you have a high-dimensional covariate set but plan to use only a small subset, then covarnames helps produce a more compact data structure. Specify only the variables you really think you might experiment with. The scale option is recommended when building and checking the model, because it improves numerical stability of fit.mesa.model, and makes the effect estimate magnitudes comparable. When producing a final model for scientific use, you might want to set scale to FALSE, and manually divide the covariates into units that are scientifically communicated, but not too far in magnitude from unity.
如果你有一个高维协变量集，但计划只使用一小部分，然后covarnames有助于产生更紧凑的数据结构。指定的变量，你真的认为你可能会尝试。 scale选项时，建议建立和检查的模式，因为它提高了数值稳定性fit.mesa.model，使效应估计幅度相媲美。当产生一个最终的模型的科学使用，你可能要设置scale：FALSE，和手动划分的协变量，科学交流的单位，但不太远，从团结的幅度。
Be sure that your variable names are correctly specified in varnames.
请确保您的变量名中正确指定varnames。
If you are struggling with this function, you can always construct a mesa.data list manually by yourself, as explained in the package tutorial.
如果你正使用此功能，您可以随时构建一个mesa.data列表，手动，自己的包教程中的说明。
值----------Value----------
A list with data frames described in mesa.data, except for the “SpatioTemp” array.
数据的帧中描述的mesa.data，除了“SpatioTemp”阵列列表。
注意----------Note----------
At present, this function does not handle spatio-temporal covariates. If you have them in your model, you can run this function and then add the spatio-temporal array manually.
目前，这个函数不处理时空的协变量。如果你有他们在你的模型，你可以执行此功能，然后手动添加的时空阵列。
（作者）----------Author(s)----------
Assaf P. Oron
参见----------See Also----------
mesa.data, mesa.data.model, create.data.model.
mesa.data，mesa.data.model，create.data.model。
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。
|
发表于 2012-9-30 13:06:22
