เปรียบเทียบวิธี

	การประมาณความหนาแน่นเคอร์เนลเชิงพื้นที่-เวลา (ST-KDE)	สถิติ Space-Time Getis-Ord Gi*
สาขาวิชา	การวิเคราะห์เชิงพื้นที่	การวิเคราะห์เชิงพื้นที่
ตระกูล	Regression model	Regression model
ปีกำเนิด	2010 (space-time extension); 1956 (KDE origin)	1992 (Gi*); space-time extension ~2000s–2010s
ผู้ริเริ่ม	Nakaya & Yano (space-time formulation); KDE foundation by Rosenblatt and Parzen	Getis & Ord (seminal); space-time extension developed in GIS literature and ArcGIS Emerging Hot Spot Analysis
ประเภท	Non-parametric density estimation	Local spatial statistic (space-time extension)
แหล่งต้นตำรับ	Nakaya, T., & Yano, K. (2010). Visualising crime clusters in a space-time cube: An exploratory data-analysis approach using space-time kernel density estimation and scan statistics. Transactions in GIS, 14(3), 223-239.	Getis, A., & Ord, J. K. (1992). The analysis of spatial association by use of distance statistics. Geographical Analysis, 24(3), 189-206.
ชื่อเรียกอื่น	ST-KDE, spatiotemporal kernel density estimation, space-time KDE, 3D kernel density estimation	ST-Gi*, space-time hot spot analysis, emerging hot spot analysis, space-time local autocorrelation statistic
ที่เกี่ยวข้อง	5	4
สรุป	Space-Time Kernel Density Estimation extends classical KDE into three dimensions — two spatial and one temporal — to reveal how the intensity of point events (crimes, accidents, disease cases) varies continuously across both geographic space and time. It produces a smooth probabilistic surface that highlights where and when events concentrate most densely.	The Space-Time Getis-Ord Gi* statistic extends the classic Gi* local hot spot measure into three dimensions — two spatial and one temporal — revealing not only where concentrations of high or low values cluster, but how those clusters evolve, intensify, or diminish over time. It is widely used in crime analysis, epidemiology, ecology, and urban studies.