Khó có thể nói mà không nhìn thấy dữ liệu của bạn và làm việc thông qua một số phân tích thăm dò. Một số chi tiết khác về giả thuyết, thiết kế mẫu và dữ liệu thực tế được thu thập, sẽ được hoan nghênh. Khi đặt câu hỏi về phương pháp thống kê, điều quan trọng là bạn phải nêu ra giả thuyết mà bạn đang kiểm tra. Điều này có thể ra lệnh phương pháp thống kê và không cần biết, chúng tôi đang chụp trong bóng tối.
Cũng không rõ vấn đề với số liệu thống kê được chỉ định liên quan đến việc "không cung cấp cho tôi những gì tôi muốn". Tôi không biết những gì bạn mong đợi với một thống kê tự tương quan đơn biến cho thấy mối tương quan không gian bivariate. Họ thống kê SCAN khá thay đổi với nhiều phân phối được xác định có sẵn. Phân phối (mô hình) nào bạn đã xác định trong SaTScan và bạn có thực sự có một giả thuyết và dữ liệu, phù hợp cho phân tích mô hình điểm không? Nói chung, một mẫu có lưới, có hệ thống, không phù hợp để phân tích mẫu điểm.
Một mối tương quan sẽ rất hạn chế từ quan điểm suy luận và dường như chế độ hồi quy theo thứ tự ở đây. Lúc đầu, tôi sẽ nghĩ rằng một mô hình hiệu ứng hỗn hợp với thuật ngữ AR-I về thời gian và thuật ngữ tự tương quan cho các hiệu ứng ngẫu nhiên không gian sẽ phù hợp với nhu cầu của bạn. Điều này sẽ cho phép bạn phân vùng biến thể theo thời gian và bình thường hóa mọi ảnh hưởng tự động tương quan sẽ xảy ra đối với các lỗi giả định và các giả định iid. Một tùy chọn khác, nếu dữ liệu hỗ trợ nó, sẽ là mô hình quy trình điểm Poisson trong khung MCMC. Nếu được chỉ định làm mô hình phân cấp, bạn có thể xác định thời gian là trước. Với phương pháp hồi quy hạt nhân, bạn có thể kiểm tra nhiều giả thuyết về các quá trình khuếch tán không gian hoặc xác định một thuật ngữ khuếch tán bậc hai. Loại mô hình này thường được sử dụng trong dịch tễ học không gian để có được tốc độ lan truyền.
Rất dễ bị lạc trong việc "ném dữ liệu của bạn vào tường" bằng các phương pháp thống kê không gian, nhưng, trừ khi thiết kế mẫu của bạn có ý định nắm bắt quy trình không gian và bạn có một câu hỏi được đặt ra rõ ràng về hiệu ứng không gian, đây có thể là một bài tập vô ích.
Bởi vì sự sẵn có dễ dàng của các phương pháp thường xuyên, các phương pháp thường bị bỏ qua. Có các mô hình hồi quy có sẵn có thể dễ dàng xử lý dữ liệu không gian (tự động theo không gian và có điều kiện, hồi quy không gian, hồi quy đa thức, mô hình hiệu ứng hỗn hợp, hồi quy chính tắc, hồi quy hạt nhân, hồi quy bán và không tham số, ...) và nếu bạn đang có ý định suy luận những điều này nên được khám phá liên quan đến giả thuyết của bạn.