Metodbevispost

Local Kernel Density Estimation

Local Kernel Density Estimation (Local KDE) is a non-parametric spatial method that estimates the density of point events at each location by applying a kernel function with a spatially adaptive bandwidth. Unlike global KDE, which uses a fixed bandwidth across the entire study area, Local KDE adjusts the smoothing window according to local data density, capturing fine-scale clustering where events are sparse or concentrated.

Sources recorded, not reviewed

Källpost

Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.

Taxonomisk metodpost · regression-model / spatial-analysis

Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman and Hall, London. · ISBN 978-0412246203
Diggle, P. J. (1985). A kernel method for smoothing point process data. Journal of the Royal Statistical Society: Series C (Applied Statistics), 34(2), 138-147. · URL

Öppna fullständig metod

Kuraterade påståenden

Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.

Inga kuraterade påståenden ännu

Denna vy hittar inte på en påståendebedömning när loggen saknar en.

Relaterade metoder

Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.

Taxonomic bucketHot Spot Analysismachine-suggested · Relational suggestion, not evidence.Taxonomic bucketLocal Moran's Imachine-suggested · Relational suggestion, not evidence.Taxonomic bucketLocal Spatial Autocorrelationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketNetwork-Based Spatial Analysismachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSpatial Autocorrelationmachine-suggested · Relational suggestion, not evidence.