一种用于分类和功能数据的空间扫描统计方法
A spatial scan statistical for categorical, functional data
AI总结：
本文提出了一种新的空间扫描统计方法，用于识别分类和功能数据中的空间聚类，通过模拟研究和实际数据验证其有效性。
摘要：
我们开发并测试了一种用于分类和功能数据（CFSS）的空间扫描统计方法——一种现有方法无法识别空间聚类的数据结构。我们的方法结合了对分类和功能观测的编码方案与非参数扫描统计方法。在包含三个不同场景的模拟研究中，CFSS能够准确恢复模拟的空间聚类，并表现出极低的假阳性率、高真阳性率和高阳性预测值。我们还利用CFSS对2024年冬季法国空气污染数据中的空间聚类进行了识别和表征。
英文摘要：
We have developed and tested a spatial scan statistic for categorical, functional data (CFSS) - a data structure within which current approaches cannot identify spatial clusters. Our methodology combines an encoding scheme for categorical, functional observations with a nonparametric scan statistic. In a simulation study with three distinct scenarios, the CFSS accurately recovered the simulated spatial clusters and gave very low false positive rates, high true positive rates, and high positive predictive values. We have also used the CFSS to identify and characterize spatial clusters in French air pollution data from the winter of 2024.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
