我拟合了一个混合的Geyer模型，包括一个硬核和一个geyer饱和分量，现在我想在spatstat中通过rmh((模拟拟合模型，代码如下：
mo.X<-rmhmodel(cif=c("hardcore","geyer"),
par=list(list(beta=0.0001746418,hc=30.31542),
list(beta=1, gamma=0.4195612,r=122,sat=2)), w=Window(A1a2.unmark))
模拟混合模型有两个 beta：Beta 表示 hardcore((，beta 表示 Geyer((，但是，当拟合真实数据以获得混合模型时，结果中仅提供一个 beta 值：
unmark.hybrid<-ppm(A1a2.unmark~1,Mo.hybrid, correction="bord")
unmark.hybrid
#beta = 0.0001052206
#Hard core distance: 33.66719
#gamma: 0.3578263
设置第二个 beta=1 是否正确？ 感谢您的任何建议。
几个点过程模型的混合的定义是将不同模型的条件强度函数相乘以给出混合的条件强度。
spatstat代码中称为 beta 的参数是一阶势项。对于稳态无标记点过程，此参数是单个数值常数。当您形成混合动力车时，原始模型的 beta 参数相乘以获得单个数字，该数字是混合动力车的 beta 参数。
如果将混合模型拟合到数据，则打印输出仅显示一个 beta 参数，因为任何稳态未标记点过程只有一个此类参数。
如果您手动定义一个混合模型，以便像示例中一样通过rmh进行仿真，那么您正在构建多个模型的混合模型;您首先必须定义其中每个模型。模型定义算法rmhmodel期望每个模型都有自己的 beta 参数。但是，当混合模型形成时，这些数字将相乘以给出单个 beta 值，这是混合模型的一阶潜力。
通常的做法是将所有 beta 参数设置为等于 1，但第一个除外。您在示例中已经这样做了。
有关更多信息，请参阅《空间点模式：R 的方法和应用》一书中的第 13 章