关于稳健的空间相关性度量
统计方法学
2024-02-13 v1 应用统计
摘要
通常，统计度量往往容易受到异常值的影响，而对空间数据评估至关重要的空间相关系数，也未能幸免于这一固有缺陷。在数据源自多种领域（例如社会经济、环境或流行病学学科）的背景下，不仅会遇到异常数据点，还会遇到非正态分布，这是相当普遍的。这些不规则性会显著扭曲更广泛的分析图景，常常掩盖重要的空间属性。本文致力于增强传统空间相关性指标的韧性，特别是莫兰系数（Moran Coefficient, MC）、吉尔里邻接比（Geary's Contiguity ratio, GC）和近似轮廓似然估计量（Approximate Profile Likelihood Estimator, APLE），并提出一系列替代度量。我们从已建立的分析范式中汲取灵感，利用影响函数研究来检验所提出的新度量在不同异常值场景下的稳健性。
引用
@article{arxiv.2402.07297,
title = {On Robust Measures of Spatial Correlation},
author = {Vincenzo Nardelli and Giuseppe Arbia},
journal= {arXiv preprint arXiv:2402.07297},
year = {2024}
}