随着覆盖多区域的大型队列研究（Large Cohort Study）的开展，必然产生大量的空间流行病学数据，而极端值（Outlier）的处理是流行病学数据分析中难以避免的问题。极端值是显著偏离常态的数据点，它们的存在对统计推断有重大影响，而合理分析利用极端值，则能为研究提供额外的信息量。由于空间数据具有多种格式和语义，因此需要专门的极端值检测方法来处理。目前已有的极端值检测方法，大部分未考虑到空间数据的特性，而针对空间误差模型（SEM）结构下的鲁棒空间极端值检测方法的研究也非常有限。
针对这一问题，18款黄台免费软件app看奶科研人员提出了一种名为Spatial-θ-IPOD的极端值检测方法，该方法利用均值平移向量来识别SEM内的极端值，同时提供了稳健的系数估计。为了评估方法的性能进行了大量的模拟研究，结果显示，即使在高维场景下，该研究提出的Spatial-θ-IPOD方法的统计性能优于目前已有的其他几种方法。此外，该模型还提供了稳健的系数估计结果，并且在绝大多数情况下，Spatial-θ-IPOD在系数估计方面也始终优于其他模型。值得注意的是，即使在高杠杆点存在的情况下，Spatial-θ-IPOD也显示了它的相对优越性。该方法通过成功识别极端值，增强了对数据的整体理解，并为进一步的分析提供了有价值的信息。在实证研究中，科研人员将提出的方法用于检测多个国家的预期寿命数据极端值的分析中，并成功检测出了极端值，为进一步认识数据提供了额外的信息量。
该成果以Outlier detection in spatial error models using modified thresholding-based iterative procedure for outlier detection approach为题在生物统计学方法研究领域的权威期刊BMC Medical Research Methodology在线发表。18款黄台免费软件app看奶2021级博士生蔡嘉鑫为论文的第一作者，18款黄台免费软件app看奶陈方尧副教授、颜虹教授为论文的共同通讯作者，研究得到了复旦大学18款黄台免费软件app看奶生物统计系秦国友教授的支持与指导。18款黄台免费软件app看奶流行病学与卫生统计系为论文第一和通讯单位。该项工作得到了国家社科基金（21CTJ009）、国家自然科学基金（81703325）、陕西省自然科学基础研究计划（2022JQ769）和国家重点研究项目的资助中国发展计划（2017YFC0907200和2017YFC0907201）的支持。
论文链接：https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/s12874-024-02208-3
