DCluster | 空间扫描统计

追求系列化、高质量的R语言教程

空间扫描统计（spatial scan statistics）是一种探测空间聚集的方法（geographic cluster detection analysis），常用于探测低发生率疾病的空间聚集区。基本思路是定义一种统计量并计算该统计量在每个位置（区域、格点）的值，将具有一定显著性水平的位置定义为集群点。

1 符号和数据要求

本篇推文将介绍三种空间扫描方法，这里统一所使用的符号含义：

表示空间区域标识。

表示区域的风险人口数（population at risk），即可能感染该疾病的人群基数；表示所有区域的风险人口之和。

表示区域的病例数（observed number of cases），表示所有区域的病例数之和。

表示区域的期望病例数，表示全区域的期望病例数之和。是事先通过一定的加权方法计算而得的，一般可以使用。

空间扫描统计使用的数据不是矢量数据，而是一个包含如下变量的数据框：

• Observed：病例数；

• Expected：病例期望值；

• Population：风险人口数；

• x：经度的地理或投影坐标（Easting coordinate）；

• y：维度的地理或投影坐标（Northing coordinate）。

本篇使用的示例数据^[1]如下：

library(spdep)
library(tidyverse)
data(nc.sids)
sids <- nc.sids %>%
  transmute(Observed = SID74,
            Expected = BIR74*sum(SID74)/sum(BIR74),
            Population = BIR74,
            x = x,
            y = y)

head(sids)
##             Observed  Expected Population      x       y
## Ashe               1 2.2053964       1091 -81.67 4052.29
## Alleghany          0 0.9844437        487 -50.06 4059.70
## Surry              5 6.4443663       3188 -16.14 4043.76
## Currituck          1 1.0268940        508 406.01 4035.10
## Northampton        9 2.8724732       1421 281.10 4029.75
## Hertford           7 2.9351380       1452 323.77 4028.10

2 Openshaw’s GAM方法

2.1 理论基础

最早用于探测疾病发生集群点的空间扫描方法是1987年Openshaw et al.提出的地理分析机器（Geographical Analysis Machine, GAM）^[2]。

该方法首先需要给定所分析位置的格点坐标。格点既可以是原始数据中的采样点，也可以是以一定步长建立的方格点。再以一定长度为半径建立圆形扫描窗口，每个格点的GAM统计量就是落入圆内的采样点的病例数之和。

前面使用表示期望病例数，它是在假定不存在空间聚集的前提下通过某种加权方法计算而得的。将看作是一个随机变量，使用表示它的数学期望，其中称为相对风险（relative risk）。在零假设情况下，所有区域的应该相等（即预先计算的期望与实际期望成比例）：

其中可以是一个已知或未知的常数。

如果认为为已知常数，通常取1，即认为与实际期望相等。

根据对概率分布的假设，GAM方法又分为两种子方法，它们假设的概率分布形式分别为泊松分布和负二项分布。

假设服从均值为的泊松分布：

假设服从负二项分布。关于负二项分布，在推文负二项回归和离散型分布中有所介绍，它与泊松分布存在内在联系，是伽马-泊松混合分布的特例：

在概率分布既定的情况下，可以计算每个格点的GAM统计量的显著性水平，具体计算过程参见本篇的参考资料[2]。当显著性水平低于给定值时，该格点就被认为是集群点。这个给定显著性水平通常很小，如0.002（远小于最常使用的显著性水平0.05）。

2.2 R中的函数

本篇使用的工具包是DCluster。主要函数如下：

• opgam()函数为探测空间集群点的主函数；

• 一系列的*.iscluster()函数，分别代表不同的空间扫描方法；

• calculate.mle()函数，在涉及抽样时用于计算概率分布的参数。