第三章 模擬比較焦點檢定方法
第四節 檢測位置
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
群聚中心重疊時，才具有最高的檢定力，是否可以用於檢測風險最高的區塊。在 下一節將模擬檢測位置與檢定力之間的關係。
第四節 檢測位置
在本章第二節、第三節中模擬在已知群聚中心位置時，不同的群聚模型因素 設定下，比較檢定方法的檢定力，模擬結果顯示群聚形狀的設定對檢定力的影響 較大。在檢測特定的位置周圍是否發生群聚時，已經預設檢測位置與周圍地區的 發生事件數可能存在因果關係。本節的目的在於模擬檢定方法是否可以用於判斷 檢測位置與發生事件之間的關連性，例如當檢測位置並非群聚中心位置時，在檢 定力、統計量上是否有所不同。在這一節中將模擬檢測位置與檢定結果之間的關 係，及檢定方法是否可用於判斷風險較高的位置。
首先模擬檢測位置與檢定力之間的關係，由於群聚形狀可能會影響模擬結 果，在模擬時除了指數群聚、線性群聚兩種中心相對風險較高的群聚模型之外，
也考慮了方向性群聚模型。模擬時的研究區域設定為 20×20 個單位正方形所組成 的方形研究區域，群聚中心座標(10.5001, 10.5002)，事件發生率為萬分之五，各 區塊人口數皆為一萬人。設定線性曝露函數參數 r 設定為 2，指數曝露函數參數 s 設定為 1，方向性群聚模型參數 a1 設定為 10，a2 及 s 設定為 1。模型參數 RR 設定為 2。移動檢測座標位置由(10.5001, 10.5002)到(13.5001, 10.5002)，每次變動 x 軸方向 0.25 單位長；在顯著水準為 0.05，模擬次數 1,000 次。
圖 3-11 的模擬結果顯示，當群聚模型為圓形群聚且中心相對風險最高時，
檢定力會隨著檢測位置遠離群聚中心而下降，但是當檢測位置距離群聚中心 0.5 單位長時，檢定力的改變並不明顯，表示當檢測位置位於群聚中心一定距離內，
可能有相同的檢定結果。而當群聚模型為方向性群聚時，EST、MLR 及 KN 三 種檢定方法的檢定力並不隨著檢測位置偏離群聚中心而下降，而 Pmax 則有明顯 的下降傾向。隨著檢測位置偏離群聚中心位置時，不同檢定方法的檢定力可能會
‧
Exponential Decline clustering
Distance
Linear Decline clustering
Distance
Direction Decline clustering
Distance
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
模擬的研究區域及群聚模型設定如前，在下列的模擬中將以統計量及 oi∕ei
大小作為判斷群聚中心的方法，每次檢測群聚中心鄰近的五個及九個區塊中心，
每一筆資料皆記錄最大統計量是否位於群聚中心，模擬次數 100。下表的模擬數 據表示 100 次模擬中，統計量最大的位置位於群聚中心所在區塊的機率，括號外 表示檢測鄰近五個區塊時的機率，而括號內表示的是檢測鄰近九個區塊的機率。
表 1、統計量判別群聚中心 單位：%
指數群聚 線性群聚 方向性群聚 ST 0.49(0.44) 0.46(0.53) 0.58(0.40) EST 0.44(0.38) 0.46(0.54) 0.5(0.4) MLR 0.34(0.33) 0.38(0.42) 0.4(0.33) Pmax 0.55(0.49) 0.45(0.45) 0.66(0.47)
KN 0.26(0.24) 0.38(0.35) 0.3(0.14) oi∕ei 0.28(0.23) 0.53(0.52) 0.29(0.21)
註：括號外表示檢測鄰近五個區塊時的機率，而括號內表示的是檢測鄰近九個區塊的機率。指數
曝露函數參數 s 為 1，群聚中心 RR 為 2，ST 設定已知群聚模型函數，EST 參數 λ 的選擇範圍為
{0.1, 0.2, …, 10}，KN 的參數設定為 0.3。oi/ei使用核函數修勻，核函數選擇標準常態分配，h=1.5。
觀察表 1 的模擬結果，當群聚為指數群聚時，檢測鄰近 5 個區塊時正確檢測 出中心的機率略高於檢測鄰近 9 個區塊，而群聚為線性群聚時，檢測鄰近 9 個區 塊則略高於檢測鄰近 5 個區塊，原因在於線性群聚有明顯示的群聚範圍，當檢測 位置偏移時，由於群聚區塊在統計量上的權重變小，使得統計量下降。而方向性 聚檢測檢測鄰近 5 個區塊時正確檢測出中心的機率明顯高於檢測鄰近 9 個區塊，
原因在於群聚形狀的假設會影響統計量的大小，當檢測位置向 x 軸移動時，統計 量會有增加的情況。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
在這一節中模擬檢測位置與檢定方法檢定力之間的關係，並試著藉由統計量 大小判斷群聚風險較高的位置。模擬結果顯示由於統計量會受到群聚形狀的假設 的影響準，造成檢測的正確率並不高，不建議使用統計量判斷群聚中風險較高的 位置。同時觀察模擬結果，可以得知當檢測位置位於群聚中心一定距離內，會有 相同的檢定結果，表示本文介紹的檢定方法並不能幫助判斷檢定位置與發生事件 是否有因果關係，能夠推論的是當檢定結果顯示時，檢測位置周圍有群聚的發生。