Optimizing the maximum reported cluster size for normal-based spatial scan statistics
저자
발행사항
Seoul : Graduate School, Yonsei University, 2017
학위논문사항
학위논문(석사) -- Graduate School, Yonsei University Department of Biostatistics and Computing 2017.8
발행연도
2017
작성언어
영어
주제어
발행국(도시)
서울
기타서명
연속형 자료를 위한 공간검색통계량에서 maximum reported cluster size의 최적화
형태사항
vi, 47장 : 삽화(일부천연색) ; 26 cm
일반주기명
지도교수: Inkyung Jung
소장기관
공간검색통계량은 특정 사건의 발생 비율이 다른 지역에 비해 높거나 늦은 유의한 공간 군집(spatial cluster)을 찾아내기 위한 매우 유용한 방법이다. 우도비 검정을 기반으로 하는 이 방법론은 다양한 분야에서 활용되어 왔다. 군집 탐색 과정에서, 미리 지정한 모양과 크기로 변화하는 수많은 후보 군집(scanning window)이 전체 연구 지역을 탐색한다. 따라서, 군집 탐색의 결과는 후보 군집의 모양과 크기에 매우 민감하게 반응한다.
후보 군집의 모양은 원형 또는 타원형 공간검색통계량 등과 같이 중요한 주제로 활발히 연구되어 왔다. 그러나 최대 후보 군집 크기(MSWS) 또는 최대 도출 군집 크기(MRCS) 등과 같은 후보 군집의 크기에 대해서는 비교적 관심이 적었다. 일반적으로 전체 인구 수 또는 연구 지역 개수의 50%가 최대 후보 군집 크기와 최대 도출 군집 크기로 사용되어왔는데 이 값은 너무 큰 군집을 탐색한다는 문제점이 있다. 이러한 관점에서 Ribeiro 와 Costa (2012)는 최대 군집 크기로 흔히 사용되는 50%가 아니라 최적의 값을 사용해야 한다고 제안했다.
최근에 Han 등(2016)이 최대 도출 군집 크기의 최적 값을 찾을 수 있는 유용한 방법으로 지니 계수(Gini coefficient)를 제안하였다. 모의실험 결과에 따르면, 지니 계수는 최적의 조합의 군집을 결과로 도출하였고 이 때의 군집은 실제 군집과 비슷한 크기를 갖는다. 그러나 이 방법은 포아송 모델을 기반으로 하는 공간검색통계량에서만 적용되었다.
본 연구에서는 지니 계수를 Kulldorff 등(2009)과 Huang 등(2009)이 제시한 정규분포를 기반으로 하는 공간검색통계량에 적용한다. 추가적으로 지니 계수를 사용하였을 때의 결과와 SaTScan 프로그램의 기본 설정(50%를 최대 후보 군집 크기와 최대 도출 군집 크기로 사용)을 사용하였을 때의 결과를 비교한다. 그 결과, 지니 계수는 실제 군집과 비슷한 크기의 최대 도출 군집 크기 값을 최적 값으로 가장 많이 선택하였다. 또한, 지니 계수를 사용하였을 때 탐색된 군집의 정확도는 기본 설정을 사용했을 때의 정확도보다 대체적으로 더 높았다.
결론적으로, 지니 계수의 성능을 기본 설정과 비교해 보았고 정규 분포를 기반으로 하는 공간검색통계량에의 적용 가능성을 확인하였다. 이 방법은 연구자들이 더 정확한 군집을 결과로 도출할 수 있게 해줄 것으로 기대된다.
The spatial scan statistics are very useful tool to detect significant spatial cluster with high or low occurrence rate of specific event. This methodology based on the likelihood ratio test has been widely used in various fields. In the scanning process, a large number of scanning windows with pre-defined shapes and sizes scan around the entire study areas. Therefore, the results of cluster detection respond sensitively to the shape and size of scanning window.
The shape of scanning window has been studied extensively as an important subject, such as circle or elliptic spatial scan statistics. However, there was relatively little attention to the size of that such as maximum scanning window size (MSWS) or maximum reported cluster size (MRCS). In general, 50% of total population or the number of study regions has been used as the value of both MSWS and MRCS which can cause the problem of detecting too large clusters. From this perspective, Ribeiro and Costa (2012) suggested the optimal value of maximum cluster size should be used, not the commonly used 50%.
Recently, Gini coefficient is suggested by Han et al. (2016) as a powerful tool to determine the optimal value of MRCS. According to the simulation results, the Gini coefficient determined the best collection of clusters to report and those detected clusters had similar size to the true cluster. However, this tool has been only applied to the spatial scan statistic based on the Poisson model.
In this paper, we apply the Gini coefficient to normal-based spatial scan statistics proposed by Kulldorff et al.(2009) and Huang et al.(2009). In our simulation study, we compare the cluster detection results of two different situations which mean when using the Gini coefficient and when using the default setting in SaTScan software (www.satscan.org) which uses 50% as both MSWS and MRCS, respectively. According to the result, the value of MRCS similar with the true cluster size is most often selected by the Gini coefficient as the optimal value. Also, the accuracy (sensitivity and PPV) of the detected clusters when using the Gini coefficient is generally higher than that of the default setting.
In conclusion, we evaluate the performance of the Gini coefficient relative to the default setting and the applicability of the Gini coefficient to normal-based spatial scan statistics. It can help researchers to find out more refined collection of the clusters to report.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)