我在R. spatstat上用kppm函数拟合对数高斯考克斯点过程的点模式，它应该给予我强度系数的预测和潜在非齐次泊松强度的置信区间，然后cox过程的相互作用系数和新的置信区间（对于相同的系数）考虑到相互作用.
我输入的命令是：

quad_fes <- quadscheme(data = ppp_fes, dummy = test_dummy_points)
kppm_all_fes<-kppm(
 X=quad_fes,
  trend=~log(daylight_P50sp_im) + log(daylight_Hits_im ) + log(d_fes_im) + SpeedLimit_im + strada_tip_im + log(P1_im) + log(E1_im),
  clusters="LGCP", method="mincon")
kppm_all_fes
confint(kppm_all_fes)

字符串
协变量是像素化的图像（没有在区域的每个点上定义，但这对估计值来说不是问题），它们是通过as.im的光栅化获得的。ppp_fes是一个点模式。
R的输出没有给给予我第二组置信区间（有交互作用），它会是什么呢？它只是给了NA列
输出是

Inhomogeneous Cox point process model
Fitted to point pattern dataset ‘quad_fes’
Fitted by minimum contrast
    Summary statistic: inhomogeneous K-function

Log intensity:  ~log(daylight_P50sp_im) + log(daylight_Hits_im) + log(d_fes_im) + SpeedLimit_im + 
strada_tip_im + log(P1_im) + log(E1_im)

Fitted trend coefficients:
           (Intercept) log(daylight_P50sp_im)  log(daylight_Hits_im)          log(d_fes_im) 
         -8.4336803232          -0.7195136965           0.0597531881          -0.1869696161 
         SpeedLimit_im          strada_tip_im             log(P1_im)             log(E1_im) 
         -0.0100578297           0.0005152514           0.3538175166          -0.0706547930 

Cox model: log-Gaussian Cox process
    Covariance model: exponential
Fitted covariance parameters:
     var    scale 
9.505158 6.238008 
Fitted mean of log of random intensity: [pixel image]

型
对于confint来说，

2.5 % 97.5 %
(Intercept)               NA     NA
log(daylight_P50sp_im)    NA     NA
log(daylight_Hits_im)     NA     NA
log(d_fes_im)             NA     NA
SpeedLimit_im             NA     NA
strada_tip_im             NA     NA
log(P1_im)                NA     NA
log(E1_im)                NA     NA

型
我找不到任何关于Baddeley（空间点模式，2015）如何解决这个问题的信息..我知道这是一个很长的镜头，但pleaseeeeeee帮助我真的想找到一个解决方案。
我试过只使用一个协变量，并检查我的协变量如何与Baddeley书中的例子不同，但我找不到解决方案。
编辑我在使用kppm时得到的警告是
警告：协变量“daylight_P50sp_im”、“daylight_Hits_im”、“SpeedLimit_im”、“strada_tip_im "、”P1_im“、”E1_im“的值为NA或未定义，为0.57%（1236个中的7个）正交点。执行时警告：ppm.quad（Q = X，趋势=趋势，协变量=协变量，力拟合=真，警告：位于像素图像域之外的2个查询点的值通过投影到最近的像素来估计

var(kppm_all_fes)

型
返回var（kppm_all_fes）中的错误：is.atomic（x）不是TRUE