空間および時空間分析


8

固定位置に配置され、毎週23週間サンプリングされた247匹の蚊トラップからなるデータセットがあります。また、同じ時期のデング熱の発生率データ(自宅の住所に索引付け)もあります。各トラップの場所での蚊の捕獲率とデング熱の発生率の間に空間的および時空間的な相関関係があるかどうかを確認したいと思います。RとSaTScanの多変量時空順列で、Global Moran's IとLocal Moran's Iをすでに試しました。これらのどれも私が欲しいものを私に与えていないようです。私は正しい場所を見ていて、それを間違っているだけですか、それとも実行できるより良い分析がありますか?

アドバイスありがとうございます!! ベスト、エイミー・グリーン


「これらのどれも私に欲しいものを与えてくれないようです。」そして、具体的に何を達成したいですか?
radek 2013年

1
地理的に重み付けされた回帰は、進むべき道かもしれません。時間間隔ごとに実行して、残差を比較できます。論理的には、開始点としての病気の予測因子としての捕獲された昆虫の量が入力になります...トラップの分布によっては、環境設定も考慮する必要があるかもしれません
Andrew Tice

1
@Andrew Ticeむちゃくちゃにするつもりはありませんが、好奇心から、なぜデータに非定常性または自己相関の兆候もないGWRにジャンプするのでしょうか。これは、非常に特定の状況でのみ適切であり、実際には探索的または実験的なコンテキストでのみ使用する必要がある、やや疑わしいアプローチです。
Jeffrey Evans

@JeffreyEvans ...良い点...そして2年後知恵のおかげで私はしません!
Andrew Tice、2015年

回答:


2

デング熱収縮の発生率を低減するためのトラッピングの有効性を推定しようとしていると思います。あなたは時空相互作用テストを見てみたいかもしれません。

PySALには、spatial_dynamicsモジュールに多数の実装があります。


1

蚊のデータは重要ですか?または、これらのトラップでどのようなタイプの変数を覚えていますか?私は、彼らがMaxEntを使用して、今後20年ほどの間、メキシコのリーシュマニアを予測するために、疾患の場所の存在のみをデータとして使用する研究を見てきました。それほど信頼できるとは思いませんが、それは出発点であり、多くの進展がありました。ある種のクリギングを「探している」としたら、変数の空間変動性を理解することができます。うまくフィットするモデルが得られれば、シミュレーションを実行することもできます。私は空間時間のコンテキストで機能するクリギング技術があると確信していますが、私はそれらを使用したことがありません。簡単なグーグル検索はいくつかの参照を投げるはずです。23週間は時系列分析のデータポイントの多くではありませんが、試してみることができます。Rパッケージbfastを使用すると、時系列の動作の突然の中断を検出できます。これらの異常を検出して、デング熱の発生に関連付けることができます。あなたはあなたの問題と望ましい研究成果のより良い説明を作成する必要があると思います。


1

あなたのデータを見て、いくつかの探索的分析を行わずに言うのは難しいです。仮説、サンプル設計、および収集された実際のデータについて、さらに詳しい情報をお待ちしています。統計的方法論の質問をするときは、テストしている仮説を述べることが重要です。これは統計的方法論を左右する可能性があり、知らずに暗闇の中で撮影しています。

また、指定された統計の問題が「私に欲しいものを与えていない」こととの関係がまったく明確ではありません。2変量空間相関を示す1変量自己相関統計で何を期待していたかわかりません。SCAN統計のファミリーは非常に多様であり、多くの定義済み分布が利用可能です。SaTScanでどの分布(モデル)を定義しましたか。また、点パターン分析に適した仮説とデータは実際にありますか?一般に、グリッド化された体系的なサンプルは、ポイントパターン分析には適していません。

相関は推論の観点から非常に制限され、回帰タイプのモードがここで適切であるように思われます。最初は面白そうですが、時間のAR-I項と空間ランダム効果の自己相関項の混合効果モデルがニーズに合うと思います。これにより、変動を時間で分割し、自己相関が残差エラーとiidの仮定に与える影響を正規化できます。データがサポートしている場合、別のオプションは、MCMCフレームワークのポアソン点プロセスモデルです。階層モデルとして指定した場合、時間を事前として定義できます。カーネル回帰アプローチを使用すると、空間拡散プロセスの複数の仮説をテストしたり、2次拡散項を定義したりできます。このタイプのモデルは、広がりの速度で取得するために空間疫学で一般的に使用されます。

空間統計アプローチを使用すると、「壁にデータを投げつける」ことに迷うのは簡単ですが、サンプルデザインが空間プロセスをキャプチャすることを意図しておらず、空間効果に関する十分に定式化された質問がない限り、これは無駄な練習になる可能性があります。

方法論を簡単に利用できるため、頻度論者の方法は見過ごされがちです。空間データ(空間および条件付き自己回帰、空間回帰、多項式回帰、混合効果モデル、正準回帰、カーネル回帰、半回帰と非パラメトリック回帰など)を簡単に処理できる回帰モデルがあり、これらはあなたの仮説との関連で探究されるべきだと推測します。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.