Detection of spatial clustering with average likelihood ratio test statistics
利用平均似然比统计量检测空间聚集AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究空间病例聚集检测，未涉及网络干扰或所列其他专门方向，空间性本身不足以归入网络领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用平均似然比统计量检测空间聚集
- 研究问题
- 如何检测病例在空间扫描窗口内的异常聚集，并在避免大量Monte Carlo计算的同时近似计算检验显著性？
- 方法与思路
- 作者对各扫描窗口的广义似然比取平均，构造平均似然比统计量，并推导其尾概率近似以计算p值。
- 材料陈述的贡献
- 摘要称数值实验中平均似然比的检验力高于取最大值的空间扫描统计量，并提出可绕过高成本模拟的尾概率近似。
- 阅读关注点
- 核对窗口集合和平均方式、尾概率近似的精度及适用模型，特别检查协变量调整时参数拟合如何影响p值。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；检验力优势来自所述实验，近似条件与误差未说明，不能认定普遍优越。
原文摘要
Generalized likelihood ratio (GLR) test statistics are often used in the detection of spatial clustering in case-control and case-population datasets to check for a significantly large proportion of cases within some scanning window. The traditional spatial scan test statistic takes the supremum GLR value over all windows, whereas the average likelihood ratio (ALR) test statistic that we consider here takes an average of the GLR values. Numerical experiments in the literature and in this paper show that the ALR test statistic has more power compared to the spatial scan statistic. We develop in this paper accurate tail probability approximations of the ALR test statistic that allow us to by-pass computer intensive Monte Carlo procedures to estimate p-values. In models that adjust for covariates, these Monte Carlo evaluations require an initial fitting of parameters that can result in very biased p-value estimates.