heterogeneity from those due to spa

heterogeneity from those due to spatio-temporal dependence phenomena unless we rely on some
assumptions about the nature of the underlying spatio-temporal point process. In some biological
applications, for example, it is often plausible to assume that the spatial scale of the first-order
intensity is larger than the spatial scale of the second-order intensity. This assumption then implies
that the heterogeneity of the environment operates at a larger scale than the one characterizing
spatial interactions amongst events, and, as a consequence, these two characteristics of the
underlying point process are separable (Diggle et al. 2007). This specific assumption may be
realistic if prior scientific knowledge about the geographical extent of spatial interactions amongst
events is available as may be the case, for example, when analyzing the spatial diffusion of an
epidemic. Unfortunately, it does not seem to be the case in a firm location analysis context such as
the one that we are treating in this paper.
To tackle this methodological problem, Gabriel and Diggle (2009) suggest making the working
assumption that the first-order intensity of the spatio-temporal point process,
  ts, 
, can be
separated into the product of the spatial intensity, say
  sm
, and temporal intensity, say
  t 
, that
is:
      tsmts    ,
. According to this assumption, the separable effects are considered as first-
order, and hence produced by spatio-temporal heterogeneity, while the nonseparable effects are
considered as second-order, and thus produced by spatio-temporal dependence (Gabriel and Diggle,
2009). If one wishes to estimate
  sm
and
  t 
non-parametrically, the suitable procedure may be
the well-known kernel smoothing (see, e.g. Silverman, 1986). Alternatively, if proper additional
information is available,
  sm
and
  t 
can be estimated with a parametric regression model where
they are specified as functions of a set of geographically referenced variables capturing the effects
of spatial heterogeneity. These variables represent common contextual factors shared by firms in the
same area such as: proximity to main roads, presence of infrastructure, presence of public incentives
and so on. In this way, it would be possible to include within the same framework both individual
traits and the context where the economic agents operate.
In order to evaluate the statistical significance of the deviations of
  vuvuKST
2
,
ˆ  
from 0 a proper
inferential framework needs to be introduced. Since the exact distribution of
  vuKST ,
ˆ
is unknown,
its variance cannot be evaluated theoretically and no exact statistical testing procedure can be
adopted. Therefore, to test the null hypothesis of absence of spatio-temporal concentration (that is
when
  0 ,
2
 vuvuKST 
), conclusions may be based on Monte Carlo simulated tolerance
envelopes (Gabriel and Diggle, 2009). In practice, the simulation procedure could consist on
generating simulations of an inhomogeneous Poisson process with first-order intensity
      tsmts   ˆˆ ,
ˆ 
, conditional upon the number of the observed point events.

ผลลัพธ์ (ไทย) 1:

heterogeneity จากเนื่องจากปรากฏการณ์พึ่งพา spatio ชั่วคราวเว้นแต่เราพึ่งบาง สมมติฐานเกี่ยวกับธรรมชาติของตัว spatio ขมับชี้กระบวนการ ในทางชีวภาพบางอย่าง โปรแกรมประยุกต์ ตัวอย่าง ไว้รับมือถือที่ขนาดพื้นที่ของใบแรก ความเข้มมีขนาดใหญ่กว่าขนาดพื้นที่ของความรุนแรงลำดับที่สอง ความหมายของสมมติฐานนี้แล้ว ว่า heterogeneity ของสภาพแวดล้อมการทำงานที่ขนาดใหญ่กว่าที่กำหนดลักษณะหนึ่ง ปริภูมิโต้ ท่ามกลางเหตุการณ์ และ สัจจะ ลักษณะเหล่านี้ที่สองของการ ต้นจุด separable (Diggle et al. 2007) เป็นกระบวนการ อัสสัมชัญนี้เฉพาะอาจ รู้วิทยาศาสตร์จริงถ้าทราบขอบเขตทางภูมิศาสตร์ของการโต้ตอบที่พื้นที่หมู่ เหตุการณ์จะพร้อมใช้งานอาจเป็นกรณี เช่น เมื่อวิเคราะห์แพร่ปริภูมิของการ โรคระบาด อับ มันดูเหมือนจะในบริบทวิเคราะห์ตำแหน่งที่ตั้งของบริษัทเช่น หนึ่งที่เราจะรักษาในเอกสารนี้ เล่นงานปัญหานี้ methodological, Gabriel และ Diggle (2009) แนะนำทำให้การทำงาน อัสสัมชัญที่แรกสั่งความเข้มของจุดขมับ spatio ประมวลผล  ts สามารถ แบ่งออกเป็นผลคูณของความเข้มปริภูมิ กล่าวว่า  smและความ รุนแรงชั่วคราว กล่าวว่า  t ที่ คือ:  tsmts . ตามนี้อัสสัมชัญ separable ผลจะถือว่าเป็นครั้งแรก-สั่งซื้อ และดังนั้น ผลิต โดย heterogeneity spatio ขมับ ขณะที่ผล nonseparable ถือว่าเป็น ลำดับที่สอง และดังนั้นผลิต โดยพึ่งพา spatio ขมับ (Gabriel และ Diggle 2009) หากประสงค์ที่จะประเมิน  sm และ  t  ไม่ใช่-parametrically ขั้นตอนเหมาะสมอาจ kernel รู้จักปรับให้เรียบ (ดู เช่นรับ 1986) หรือ ถ้าเหมาะสมเพิ่มเติม มีข้อมูล  sm และ  t  สามารถประมาณการ ด้วยแบบจำลองถดถอยที่พาราเมตริกที่ มีระบุเป็นหน้าที่ของชุดของตัวแปรอ้างอิงกันทางภูมิศาสตร์จับผล ของ heterogeneity ปริภูมิ ตัวแปรเหล่านี้แสดงถึงปัจจัยบริบททั่วไปร่วมบริษัทในการ พื้นที่เดียวกันเช่น: ใกล้ถนนสายหลัก สถานะโครงสร้างพื้นฐาน ของแรงจูงใจสาธารณะ และอื่น ๆ ด้วยวิธีนี้ มันจะไปรวมทั้งบุคคลภายในกรอบเดียวกัน ลักษณะและบริบทที่มีตัวแทนทางเศรษฐกิจ เพื่อประเมินนัยสำคัญทางสถิติของความเบี่ยงเบนของ  vuvuKST2,ˆจาก 0 ที่เหมาะสม กรอบเพียงน้อยนิดต้องสามารถแนะนำ ตั้งแต่กระจายแน่นอน  vuKSTˆ ไม่รู้จัก ไม่สามารถประเมินความแปรปรวนของตามหลักวิชา และขั้นตอนการทดสอบทางสถิติไม่แน่นอนสามารถ นำมาใช้ ดังนั้น เพื่อทดสอบสมมติฐานว่างของการขาดงานของความเข้มข้น spatio ขมับ (นั่นคือ เมื่อ  02 vuvuKST ), บทสรุปอาจจะยึดค่าเผื่อจำลอง Carlo มอน ซองจดหมาย (Gabriel และ Diggle, 2009) ในทางปฏิบัติ ขั้นตอนการจำลองสามารถประกอบใน สร้างสถานการณ์จำลองการใช้งานปัว ด้วยความเข้มลำดับแรก  tsmts ˆˆˆเงื่อนไขตามหมายเลขของเหตุการณ์จุดสังเกต

ผลลัพธ์ (ไทย) 3:

ผิดพวกผิดพ้องจากเนื่องจากการปรากฏการณ์เชิงพื้นที่และเวลา ถ้าเราพึ่งพาบาง
สมมติฐานเกี่ยวกับธรรมชาติของต้นแบบเชิงพื้นที่และเวลาชี้กระบวนการ ในบางทางชีวภาพ
โปรแกรม , ตัวอย่างเช่น , มันมักจะมีเหตุผลที่จะสมมติว่าขนาดพื้นที่ของความเข้ม
ใหญ่กว่าขนาดพื้นที่ของอันดับที่สอง ความเข้ม สมมติฐานนี้ก็หมายถึง
ที่สามารถของสิ่งแวดล้อม ประกอบธุรกิจที่ขนาดใหญ่กว่าหนึ่งลักษณะปฏิสัมพันธ์เชิงพื้นที่ในหมู่
เหตุการณ์ และเป็นผลให้ทั้งสองลักษณะของจุดอ้างอิงกระบวนการจะแยกกัน
( ดิกเกิ้ล et al . 2007 ) สมมติฐานนี้โดยเฉพาะอาจจะ
มีเหตุผลถ้าก่อนความรู้ทางวิทยาศาสตร์เกี่ยวกับขอบเขตทางภูมิศาสตร์ของปฏิสัมพันธ์เชิงพื้นที่ในหมู่
เหตุการณ์ที่สามารถใช้ได้เป็นอาจเป็นกรณี ตัวอย่าง เมื่อวิเคราะห์การกระจายเชิงพื้นที่ของ
ระบาด แต่มันไม่ได้ดูเหมือนจะเป็นกรณีที่ในการวิเคราะห์บริบทที่ตั้ง บริษัท เช่น
ที่เราปฏิบัติในกระดาษนี้
เล่นงานปัญหาตรงนี้ กาเบรียล และ ดิกเกิ้ล ( 2009 ) แนะนำให้ทำงาน
สมมติฐานที่ความเข้มของกระบวนการเชิงพื้นที่และเวลาจุด
 TS , 

สามารถแยกออกเป็นผลิตภัณฑ์ของความเข้มการพูด

 SM และความรุนแรงและพูด T

,
:
 tsmts 
, . ตามสมมติฐานนี้ แยกออกจากกันได้ผลถือว่าเป็นครั้งแรก -
สั่งซื้อและผลิต ดังนั้นจากความหลากหลายเชิงพื้นที่และเวลา ,ขณะที่ผล nonseparable เป็น
ถือว่าเป็นครั้งที่สอง และผลิต ดังนั้นโดยการเชิงพื้นที่และเวลา ( กาเบรียล และ ดิกเกิ้ล
, 2009 ) หากประสงค์จะประมาณ SM


และ T
ไม่ parametrically , ขั้นตอนที่เหมาะสมอาจจะรู้จักกันดีเมล็ดเรียบ
( ดู เช่น ซิลเวอร์แมน , 1986 ) หรือถ้าข้อมูลเพิ่มเติม

เหมาะสมพร้อม SM

และ T
สามารถประมาณค่าพารามิเตอร์ด้วยแบบจำลองการถดถอยที่
พวกเขามีการระบุไว้เป็นฟังก์ชั่นของชุดของตัวแปรอ้างอิงทางภูมิศาสตร์ของพื้นที่ที่สามารถเข้าถึงผล
. ตัวแปรเหล่านี้เป็นตัวแทนทั่วไปปัจจัยบริบทร่วมกันโดย บริษัท ในพื้นที่เดียวกัน เช่น
: ใกล้กับถนนสายหลักที่มีโครงสร้างพื้นฐาน การปรากฏตัวของบริเวณสาธารณะ
และอื่น ๆ ในวิธีนี้มันเป็นไปได้ที่จะรวมอยู่ในกรอบเดียวกัน บุคคล
ลักษณะและบริบทที่ตัวแทนทางเศรษฐกิจที่ใช้งาน
เพื่อประเมินระดับของการเบี่ยงเบนของ
 vuvukst
2
,
ˆ
0
กรอบอ้างอิงที่เหมาะสม ต้องรู้จัก เนื่องจากการกระจายแน่นอน

vukst  , ˆ

ไม่ทราบความแปรปรวนของไม่สามารถประเมินทฤษฎีและแน่นอนไม่มีสถิติการทดสอบขั้นตอนสามารถ
บุญธรรม ดังนั้น เพื่อทดสอบสมมติฐานในการขาดงานของเชิงพื้นที่และเวลา สมาธิ ( คือเมื่อ

0
2
 vuvukst 
) สรุปอาจจะขึ้นอยู่กับมอนติคาร์โลจำลองความอดทน
ซอง ( กาเบรียล และ ดิกเกิ้ล , 2009 ) ในทางปฏิบัติขั้นตอนการจำลองสามารถประกอบกับ
สร้างแบบจำลองของกระบวนการปัวซง inhomogeneous ความเข้ม
 tsmts ˆˆ

ˆ , เงื่อนไข , ตามจำนวนของจุดสังเกตเหตุการณ์