简而言之，用这些稀疏的数据识别各向异性是没有希望的。

有问题的两个参数psiA和psiR描述了各向异性（“几何各向异性”的角度和比率分别为：有关详细信息，请咨询GSLIB或Journel & Huijbregts，因为Diggle & Ribeiro JrgeoR中的文档在各向异性方面确实不足）。对于相对较少的数据点，很有可能——事实上，对于土壤数据（众所周知，它是可变的）——在某些方向上几乎没有检测到空间相关性，而在其他方向上似乎存在一些相关性。这可能导致近乎无限的比率。此外，如果只有一个方向的趋势并且没有被消除，那么这种趋势将产生强烈的各向异性。

您的问题是，对于任何类型的参数估计，五个点都太少了$30$仍然太少而无法可靠地识别各向异性。文献中的经验法则建议您至少需要$30$和$100$点只是为了开始估计参数和计算预测（即克里金法）。（所有的经验法则都有例外，但听起来这些数据不足以证明是合格的。）如果你不假设一个各向同性模型，你需要在至少四个基本方向上探索方向变异函数，每个这样的变异函数都是基于大约$5$至$10$每个点，这又太小了。要识别各向异性，需要关于$100$点。

解决方法是施加各向同性变异函数（或从独立于数据的考虑确定各向异性）并希望获得最好的结果。预计预测误差会很大。