Detection of Hotspots for Geospatial Lattice Data

문승호,김종덕 한국데이터정보과학회 2006 한국데이터정보과학회지 Vol.17 No.1

Statistical analyses for spatial data are important features for various types of fields. Spatial data are taken at specific locations or within specific regions and their relative positions are recorded. Lattice data are synoptic observation covering an entire spatial region, like cancer rates corresponding to each county in a state. The main purpose of this paper is to detect hotspots for the region with significantly high or low rates. Kulldorff(1997) detected hotspots based on circular spatial scan statistics. We propose a new method to find any shapes of hotspots by use of echelon analysis with spatial scan statistics.

Categorical data analysis by means of Echelon analysis with spatial scan statistics

문승호 한국데이터정보과학회 2004 한국데이터정보과학회지 Vol.15 No.1

In this study we analyze categorical data by means of spatial statistics and echelon analysis. To do this, we first determine the hierarchical structure of a given contingency table by using echelon dendrogram then, we detect candidates of hotspots given as the top echelon in the dendrogram. Next, we evaluate spatial scan statistics for the zones of significantly high or low rates based on the likelihood ratio. Finally, we detect hotspots of any size and shape based on spatial scan statistics.

Detection of Hotspots for Geospatial Lattice Data

Moon, Sung-Ho,Kim, Jong-Duk 한국데이터정보과학회 2006 한국데이터정보과학회지 Vol.17 No.1

Statistical analyses for spatial data are important features for various types of fields. Spatial data are taken at specific locations or within specific regions and their relative positions are recorded. Lattice data are synoptic observation covering an entire spatial region, like cancer rates corresponding to each county in a state. The main purpose of this paper is to detect hotspots for the region with significantly high or low rates. Kulldorff(1997) detected hotspots based on circular spatial scan statistics. We propose a new method to find any shapes of hotspots by use of echelon analysis with spatial scan statistics.

아동학대 112 신고의 시공간적 군집 분석: 서울시 관악구를 중심으로

염윤호 경찰대학 경찰대학 2023 경찰학연구 Vol.23 No.3

사회적 시선을 끄는 중대한 아동학대 사건은 아동학대에 대한 다양한 정책 시행뿐만 아니라 관련 연구의 활발한 진행의 원동력이 되어 왔다. 종래의 아동학대에 관한 연구는 주로 미시적 수준에서 가해자와 피해자의 특성에 초점을 두었으나, 최근에는 거시적 관점에서 아동학대의 분포나 영향 요인에 초점을 둔 연구도 증가하고 있다. 본 연구는 거시적 관점에서 아동학대의 시공간적 군집성을 분석하고자 하였다. 이를 위해, 본 연구는 서울시 관악구를 연구대상 지역으로 설정하고, 수집된 아동학대 112 신고 자료에 시공간 순열검정 통계량(space-time permutation scan statistics, STPSS) 기법을 적용하여 아동학대의 시공간적 군집성을 분석하였다. 그 결과, 본 연구는 아동학대가 시공간적으로 군집을 이루며 발생하고 있을 뿐만 아니라, 소수이기는 하나 특정 주거지에서 반복적으로 발생함을 추정하였다. 이러한 결과를 토대로 본 연구는 아동학대가 시공간적 군집을 이루며 발생하는 장소에 대하여 선제적으로 대응할 수 있는 정책 시행을 통해 초기 단계의 경미한 수준의 아동학대가 심각한 수준으로 나아가는 것을 예방할 것을 제안하였다. Several shocking cases of child abuse have prompted the implementation of child abuse countermeasures and increased academic research on the topic. Previous empirical research has primarily focused on the characteristics of individual abusers and victims, while an increasing number of researchers have sought to understand child abuse at a structural level. In line with this structural approach, this study analyzed the spatial and temporal clustering of child abuse. This study collected police data on child abuse calls for service and used a space-time permutation scan statistics (STPSS) technique to analyze the data. This study found that child abuse cases were concentrated in specific residential areas. Based on these findings, this study suggests that preemptive policies should be implemented to prevent minor cases of child abuse in specific spatial and temporal clusters, and police intervention should occur at an early stage to prevent the escalation of abuse.

Categorical Data Analysis by Means of Echelon Analysis with Spatial Scan Statistics

Moon, Sung-Ho 한국데이터정보과학회 2004 한국데이터정보과학회지 Vol.15 No.1

In this study we analyze categorical data by means of spatial statistics and echelon analysis. To do this, we first determine the hierarchical structure of a given contingency table by using echelon dendrogram then, we detect candidates of hotspots given as the top echelon in the dendrogram. Next, we evaluate spatial scan statistics for the zones of significantly high or low rates based on the likelihood ratio. Finally, we detect hotspots of any size and shape based on spatial scan statistics.

서울의 도심 및 부심 설정과 특화 기능 탐색

서민철(Mincheol Seo) 대한지리학회 2014 대한지리학회지 Vol.49 No.2

본 연구는 서울의 중심업무지구와 부심을 설정하고 그 기능적 특징을 비교하려는 것이다. 본 연구는 기존의 서울 도심 설정 연구에 대하여 두 가지 점을 개선하고자 하였다. 첫째는 기존 연구는 대부분 자료 구득 상의 어려움 때문에 도심 지역이라고 여겨지는 범위에 대하여 집중적으로 자료를 조사하여 분석하였다. 그러므로 늘 중심업무지구의 범위는 가설적인 도심 지역을 벗어날 수 없었다. 본 연구는 서울 전역을 대상으로 자료를 분석하여 도심은 물론 부심까지 동시에 설정하였다. 두번째는 이 자료를 공간 스캔 통계 기법으로 분석함으로써 도심 범위 설정에 있어서 연구자의 주관성을 최소화하고자 하였다. 연구 결과 서울 도심은 기존 연구에 비해 동쪽으로 더 확대된 것으로 나타났다. 반면 서쪽으로는 다소 축소되어 있었다. 또한 도심과 부심의 특화지역을 분석한 결과 도심은 중추 행정, 도매업이 발달하고 강남 부심은 대기업, 사무실, 병원이 발달하여 보다 근대적인 면모를 보이고 있었다. This paper aims to delineate Central Business District(CBD) and subcentres of Seoul and compare the functional differences of them by spatial scan statistics. Most existing studies to delimit Seoul CBD have two limits in the methods to make boundaries. First, most Seoul CBD-defining studies presuppose some central area contains CBD and look into just that area in a concentrating manner because it is too difficult to collect the data in a whole city boundary. Therefore the CBD areas have been localized in that study areas. But I analysed the data of the whole area of Seoul and was able to define the CBD and subcentres of Seoul. Second, I analysed the data by a spatial scan statistics technique and was able to minimize the number of subjective items in constructing some conditions for CBD. The CBD area in this study is enlarged eastward over East Gate, a national treasure in Seoul, than the areas in existing studies. In the contrary, westwardly, our CBD is set back a little. The two competing central places in Seoul, CBD and Gangnam have some different specialized subareas. CBD has more governing authorities and wholesale stores and Gangnam has many conglomerates HQs, Offices and cosmetic clinics.

Categorical Data Analysis by Means of Echelon Analysis with Spatial Scan Statistics

Sung Ho Moon 한국데이터정보과학회 2004 한국데이터정보과학회지 Vol.15 No.1

In this study we analyze categorical data by means of spatial statistics and echelon analysis. To do this, we first determine the hierarchical structure of a given contingency table by using echelon dendrogram then, we detect candidates of hotspots given as the top echelon in the dendrogram. Next, we evaluate spatial scan statistics for the zones of significantly high or low rates based on the likelihood ratio. Finally, we detect hotspots of any size and shape based on spatial scan statistics.

공간현상 분석을 위한 GIS 기반의 공간통계적 접근방법에 관한 고찰 : 공간 군집지역 탐색을 위한 공간검색통계량의 실증적 사례분석

이경주,권일 대한공간정보학회 2012 Spatial Information Research Vol.20 No.1

When analyzing geographical phenomena, two properties need to be considered. One is the spatial dependence structure and the other is a variation or an uncertainty inhibited in a geographic space. Two problems are encountered due to the properties. Firstly, spatial dependence structure, which is conceptualized as spatial autocorrelation, generates heterogeneous geographic landscape in a spatial process. Secondly, generic statistics, although suitable for dealing with stochastic uncertainty, tacitly ignores location information implicit in spatial data. GIS is a versatile tool for manipulating locational information, while spatial statistics are suitable for investigating spatial uncertainty. Therefore, integrating spatial statistics to GIS is considered as a plausible strategy for appropriately understanding geographic phenomena of interest. Geographic hot-spot analysis is a key tool for identifying abnormal locations in many domains (e.g., criminology, epidemiology, etc.) and is one of the most prominent applications by utilizing the integration strategy. The article aims at reviewing spatial statistical perspective for analyzing spatial processes in the framework of GIS by carrying out empirical analysis. Illustrated is the analysis procedure of using spatial scan statistic for detecting clusters in the framework of GIS. The empirical analysis targets for identifying spatial clusters of breast cancer incidents in Erie and Niagara counties, New York. 지리적 공간상에서 발생하는 대부분의 현상은 서로 인접한 곳에서 유사한 값을 가지는 특성이 있다. 이는 공간자기상관성과 관련이 있으며 공간분석의 존재 이유를 나타내는 개념이다. 또한 지리적 공간상에서 위치에 따라 값의 분포가 다양한 패턴을 보이게 된다. 이러한 패턴은 공간적 변이를 내포하고 있다. 즉, 특정 위치에서 항상 같은 값을 관찰할 수 있다고 단정하기는 불가능하기 때문에 이러한 변이는 본질적으로 확률론적 특성을 지닌다. 이러한 공간자료의 특성들을 무시하고 일반적 통계분석 등을 수행할 경우 공간자기상관성으로 인하여 통계분석에서 가정하는 자료 값들 간 독립성이 위배되고 분석결과는 왜곡될 가능성이 크다. 그러므로 공간자료 분석을 위해서는 공간자기상관성과 확률론적 변이를 적절하게 반영할 수 있는 수단이 필요하다. GIS는 공간적 위치정보를 처리하는데 적합하고 공간통계학은 공간적 변이를 다루는데 유용하다. 따라서 GIS를 기반으로 공간통계학을 통합하는 분석방식은 공간자료의 특성들을 고려하여 유의미한 분석을 하기에 적합한 장점이 있다. 본 연구의 목적은 공간자료 분석에 있어서 공간통계학과 GIS를 결합하는 접근방식의 유용성을 논의하고 실증적 사례분석을 통하여 구체적 활용성을 살펴보는 것이다. 이를 위하여 공간통계학을 주요 방법론으로 활용하는 공간역학(spatial epidemiology) 분야를 예시적으로 살펴보았다. 구체적으로는 공간검색통계량을 이용하여 미국 Erie 및 Niagara 카운티(New York 주) 내의 유방암 발생의 공간적 군집패턴 분석 논의하였다.

스캔통계량을 활용한 공간자료의 공간상관성 연구

최빛나,박만식 한국자료분석학회 2017 Journal of the Korean Data Analysis Society Vol.19 No.3

The scan statistics method is an exploratory detection method of spatial clusters commonly used in the epidemiology research field for protecting against some infectious diseases. In this paper, we detect potential spatial clusters from spatially correlated lattice data when assuming the normal distribution for the measurements. We estimated the pooled sample variance at each monitoring station with a certain scanning window. We also examine the statistical significance of the variance at each location via the Monte-Carlo method in the spatial data where the measurement at a location is quite similar with those at its neighbors and its homogeneity decreases as the distance between the locations increases. The empirical p-values are obtained from the comparison of the variance from the raw data versus each of the simulated variances from randomly permutated data. Finally we realize that the scan statistics method can be applied for the detection of spatial clusters when we compare with the results from an iid random sample. For the real application, we considered the Meuse river dataset. 스캔통계학(scan statistics)이란 공간 군집(spatial cluster)을 탐색하는 한 방법으로, 특히 역학(epidemiology) 분야에서 특히 널리 쓰이는 방법론이다. 본 논문에서는 이러한 스캔통계량을 공간상관성(spatial correlation)이 내재된 정규분포를 가정한 격자자료(lattice data)에 적용하여 관측 공간 내에 존재하는 군집(cluster)을 탐색하고 임의의 관측지점에서의 스캐닝 윈도우(scanning window)에 대한 합동표본분산(pooled sample variance)을 계산하였다. 특정 지점의 측정값과 인접한 지점들의 측정값들이 매우 유사하고 지점들 간의 거리가 증가할수록 연관성이 감소한다는 자료의 특성을 지닌 격자자료에 대해 몬테카를로 방법(Monte-Carlo method)을 활용하여 각 관측지점에서의 합동표본분산에 대한 통계적 유의성(statistical significance)을 확인하였다. 이를 위해 원 자료로부터 임의 순열(random permutation)된 자료의 합동표본분산을 계산한 후 원 자료와의 비교를 통해 경험적 유의확률(empirical p-value)을 추정하였다. 또한 임의표본(random sample)자료의 결과를 비교함으로써 그리고 실증분석을 통해서도 공간상관성의 존재 여부를 파악하는 데 스캔통계량이 활용될 수 있음을 확인하였다.

Modified spatial scan statistics using a restricted likelihood ratio for ordinal outcome data

Lee, Myeonggyun,Jung, Inkyung Elsevier 2019 Computational statistics & data analysis Vol.133 No.-

<P><B>Abstract</B></P> <P>Spatial scan statistics are widely used as a technique to detect geographical disease clusters for different types of data. It has been pointed out that the Poisson-based spatial scan statistic tends to detect rather larger clusters by absorbing insignificant neighbors with non-elevated risks. We suspect that the spatial scan statistic for ordinal data may also have similar undesirable phenomena. In this paper, we propose to apply a restricted likelihood ratio to spatial scan statistics for ordinal outcome data to circumvent such a phenomenon. Through a simulation study, we demonstrated not only that original spatial scan statistics have the over-detection phenomenon but also that our proposed methods have reasonable or better performance compared with the original methods. We illustrated the proposed methods using a real data set from the 2014 Health Screening Program of Korea with the diagnosis results of normal, caution, suspected disease, and diagnosed with disease as an ordinal outcome.</P>