精华内容
下载资源
问答
  • 空间自相关分析
    千次阅读
    2020-04-13 01:58:58
        GeoDa在进行空间自相关分析时,为什么第一步权重建立就一直报错?有没有大佬知道呐,小白在线求教~
        我有图有数据,有没有大佬帮忙做一下空间计量分析,不用说肯定有报酬啊!欢迎私聊我,救救写论文的孩子,这个模型的点我真的不开窍,看了两天还是不会要被逼疯了,我24小时在线!联系我联系我!
    
    更多相关内容
  • 空间自相关指的是分布于不同空间位置的地理事物,它的某一个属性值存在统计相关性,一般来说,距离越近,相关性越大。...1:打开空间自相关工具(位于分析模式下)。、 2:输入数据。 3:选择字段,

    空间自相关指的是分布于不同空间位置的地理事物,它的某一个属性值存在统计相关性,一般来说,距离越近,相关性越大。

    本次分析某一个城市的不同收入家庭的居住空间分布情况。

    先用全局空间自相关指数(Moran’s指数)判断这个城市的家庭收入是否存在空间自相关;
    如果存在,再使用高/低聚类判断是哪种类型的聚类;
    最后,进行聚类和异常值分析以及热点分析,找出各类集聚的空间分布区域。
    在这里插入图片描述
    我们先打开一个城市的家庭收入面数据,可以简单看一下情况。
    在这里插入图片描述
    1:打开空间自相关工具(位于分析模式下)。、
    2:输入数据。
    3:选择字段,这里我们选择收入字段。
    4:生成报表勾选了。
    在这里插入图片描述
    查看结果(在地理处理下。)
    打开这个html文件。

    在这里插入图片描述
    从结果图可知,Z为53.09,P值为0,表明,家庭收入空间分布存在比较显著的空间正相关。也就是出现了高与高收入家庭集聚,低与低收入家庭集聚(对应图中的红色部分)。

    在这里插入图片描述
    从上面的结果我们知道:Moran’s I指数不能判断到底是高与高还是低与低集聚。
    因此,可以采用General G 进行判断(z得分为正表示高/高集聚,为负数就表示低/低集聚)。

    在这里插入图片描述
    类似上述操作,
    1:找到高/低聚类工具。
    2:输入数据。
    3:字段选择。
    4:生成报表。

    在这里插入图片描述
    我们还是一样的查看结果。

    在这里插入图片描述
    Z的得分为-4.58,也就是存在显著的低/低集聚的情况(上图蓝色区域)。
    在这里插入图片描述
    但是,数据本身存在这样一种情况:
    空间事物存在异质性,在某些局部表现为空间正相关,另外一部分可能是发散的,因此,需要进行局域空间自相关。

    在这里插入图片描述
    1:找到聚类和异常值分析工具(位于聚类分布制图下)。
    2:输入字段。
    3:输出地址与命名。

    在这里插入图片描述
    在这里插入图片描述

    通过上图我们可以知道:
    黑色区域是高/高集聚,主要分布在城市的西部和东部。
    蓝色的是低/低集聚,主要分布在中部地区。
    橙色是高/低集聚,数量和区域都很小。

    下面进行热点分析:

    在这里插入图片描述
    1:热点分析。
    2:输入字段(家庭收入)。
    3:输出地址。

    在这里插入图片描述

    通过以上的分析可以得出结论:

    这个城市存在高/高收入集聚和低/低收入集聚(更显著),表面城市空间存在居住分异现象,不利于城市的发展。

    展开全文
  • Geoda空间自相关分析—局部Moran’I指数(运用GeoDa制作Lisa图) 首先介绍一下什么是空间自相关(引用:[https://wenku.baidu.com/view/4ab39c93650e52ea54189885.html]) 各位要是觉得我写的不好可以去看看虾神(这...

    Geoda空间自相关分析—局部Moran’I指数(运用GeoDa制作Lisa图)

    首先介绍一下什么是空间自相关(引用:[https://wenku.baidu.com/view/4ab39c93650e52ea54189885.html])
    各位要是觉得我写的不好可以去看看虾神(这是一个大神)的文章。PS:虾神主页:[https://blog.csdn.net/allenlu2008]

    根据 Tobler 的地理学第一定律,即地理分析基本定律:“地理事物之间都存在着相应的关系,其中相距较近的事物比相距较远的关系更密切”。空间自相关作为一种空间统计方法,其全局与局部空间自相关都能够较好地描述地理事物间的关系,衡量出事物空间要素属性间的聚合或离散的程度。

    全局空间自相关:

    ** 全局空间自相关用于描述空间要素属性值在全区域内的空间特征,并反映其邻域属性值相似度,对于某一特定空间属性在全区域分布特征分析描述具有重要意义,常用Geary’s C、 Moran I 指数表示。Moran I 指数的值域为[-1,1]之间,小于0负相关,等于0不相关,大于0正相关。
    **

    局部空间自相关:

    **相较于全局空间自相关,局部空间自相关则是计算分析区域内各个空间对象与其邻域对象间的空间相关程度,计算分析空间对象分布中所存在的局部特征差异,反映局部区域内的空间异质性与不稳定性。同样有Geary’s C、 Moran I 指数,但常用Local Moran I衡量,Anselin也被称为Lisa。
    1.首先打开GeoDa加载数据

    在这里插入图片描述ps:路径不可有中文名称
    加载加载完成
    2.新建空间权重矩阵(我理解的是在进行相关性分析之前要建权重矩阵)
    在这里插入图片描述在这里插入图片描述在这里插入图片描述PS:这里要选择唯一值ID或者其他的唯一值字段
    权重类型根据自己的需要选择
    Queen contiguity:后相邻
    Queen contiguity:车相邻

    创建成功!
    在这里插入图片描述3.打开属性表
    在这里插入图片描述在这里插入图片描述PS:属性表不可编辑,但可根据需要进行合并和计算
    在这里插入图片描述在这里插入图片描述
    4.进行局部空间自相关分析—以Univariate Local Moran’s I(单变量莫兰指数)为例
    因为我进行侵蚀强度分析所以选择侵蚀编号(就是自己要实验的数据)

    在这里插入图片描述在这里插入图片描述
    PS:最好三个都勾上
    在这里插入图片描述
    莫兰指数为0.085通过显著性水平a=0.05的检验,说明区域分布呈正相关和有一定聚集性。
    其中莫兰指数散点图的那些点表示数据数量
    第一象限为HH
    第二象限为LH
    第三象限为LL
    第四象限为HL
    在这里插入图片描述

    5.统计第一象限数据的面积(没办法,脑子不好使,只有这种办法。望各位看官不吝赐教。)
    首先选中第一象限的点
    在这里插入图片描述在这里插入图片描述
    点击“添加选择”
    在这里插入图片描述在这里插入图片描述
    这样就出现新的字段
    在这里插入图片描述点击“聚合”
    在这里插入图片描述选中“求和”在这里插入图片描述保存为“.csv”格式的文件
    在这里插入图片描述
    然后在删除变量
    在这里插入图片描述
    其他数据依次类推
    最后在excel打开文件进行统计。
    PS:虽然办法蠢,但有效。
    6.导出Lisa图
    目前的GeoDa不支持制图输出,所以只能导出图片,然后在PS中进行处理。

    在这里插入图片描述在PS中处理的步骤,各位自行去摸索吧。相信各位PS技术一定比我好。

    展开全文
  • 【描述性统计】有一个群体,用均值、方差、标准差、众数,这叫描述性统计 【推断性统计】有一个大的区域,在这区域里采了几个样,...空间统计描述 描述性统计 【描述性统计】 对空间对象分布状况的统计 对具...

    在知识传播途中,向涉及到的相关著作权人谨致谢意!
    南师国家精品课程《地理信息系统》——主讲人:韦玉春老师

    【描述性统计】有一个群体,用均值、方差、标准差、众数,这叫描述性统计
    【推断性统计】有一个大的区域,在这区域里采了几个样,对这几个样本用描述性统计。然后用这个数据推断这个区域的数据。推断性统计基于概率论
    【怎么往外推断呢?】数学分布(正态、二项分布),这个数服从什么分布,在某个概率下,这个分布是成立的–>进行向外推断

    1 空间统计描述

    1.1 描述性统计

    【描述性统计】

    1. 对空间对象分布状况的统计
    2. 对具有空间坐标的属性的统计

    【举例】有多少

    1. 长三角地区城市分布具有聚集性?
    2. 江苏省人均GDP是多少?

    【基本统计量】
    在这里插入图片描述

    【正态分布】统计学中所有的东西,在大量的情况下,假设的都是正态分布
    【规则!】如果你的数据不是正态分布,那么你的数据描述就要用另外一套指标
    【举例】平均成绩是80分,你默认的假设是全班成绩是服从正态分布的–>如果全部成绩放在一起的分布不是正态的,那么这个平均成绩就是有偏差的,不合适的

    1.2 探索性数据分析

    【探索性数据分析】首先是寻找数据的模式和特点,再根据数据特点选择合适的模型。揭示数据中存在的模式
    是空间推断性统计,探究“怎么分布的?”的问题
    【解释】拿到数据后,要想清楚,你要做什么,你要怎么做,为什么而做?探索性数据分析:天天看数据,找数据的规律,找想法,找个研究方向

    【探索性数据分析的重要性】Tukey认为,“在认识到你看来多好的测量了它以前,重要的是理解你能做什么”
    【动手前的三个问题】

    1. 科学问题是怎么产生的:你拿到数据后要干嘛呢?解决的是什么问题?问题不一样,统计方法不一样。
    2. 如何引导产生新的调查设计方案:你这个调查方案是怎么产生的,调查方案怎么选择
    3. 如何继续进行分析:做完之后,将来怎么做呢?

    【步骤】数据->数据的数学分布->概率论->推断

    1.2.1 直方图

    【直方图】

    1. 对样本数据按一定的分级方案(等间隔分级、标准差等)进行分级,统计记录落入各个级别中的个数或占总样本数的百分比,然后用条带图或柱状图表现出来。
    2. 直方图可以直观反映采样数据分布特征、总体规律,可以用来检验数据分布和寻找数据离群值

    【特点】

    1. 适用于空间对象为点和面的属性数据
    2. 简单易用
    3. 缺乏空间信息

    1.2.2 Q-Q图

    【Q-Q图】用来辅助判断样本数据是否服从正态分布
    【做法】做数据的四分位数(四分之一划分):25%、50%、75%,即是Q-Q图
    【解释】数据上怎么分布的?Q是quarter的首字母,表示四分位数图
    【拓展】假如数据不是正态分布的

    1. 平均数:那么平均数去失去了作用
    2. 中位数:这时候,中位数就能更好的描述数据
    3. 四分位数:25%、50%(中位数)、75%

    在这里插入图片描述

    2 空间自相关分析

    【空间自相关】空间中相近的样点具有某种相似性,相距较远的样点往往不相似
    【作用】解释和寻找存在的空间聚集性或“焦点”
    【举例】把小偷的点标在地图上,用空间自相关来分析,找哪里是贼窝
    【举例】叶子的分布:没有风吹,距离越近,叶子是越厚的。风一吹,越远叶子越薄
    在这里插入图片描述
    【变异】越近空间越相似–>反过来说:越近空间变异越少,越远空间的变异越大

    2.1 类型

    1. 全局(全程)自相关
    2. 局部自相关:相关的范围

    在这里插入图片描述

    2.2 自相关的解释

    1. 正自相关:属性值的差异随距离变小越相似
    2. 负自相关:反向相关,属性值的差异随距离变小越不相似
    3. 0:属性值的差异与距离没有关系

    2.3 自相关性测度

    自相关的定量判定,三个统计量

    1. Moran’sI
    2. GearyC
    3. G参数

    2.3.1 权重矩阵

    【解决的问题】数据的关系,怎么引入到计算里呢?空间权重矩阵(w矩阵)
    【空间权重矩阵】是空间自相关分析的基础
    空间数据中隐含的拓扑信息提供了空间邻近的基本度量,这通常可通过二元对称的空间权重矩阵W来表达

    【怎么做的?】约定:相邻定义为1,不相邻定义为0 --> 产生了一个0、1表

    在这里插入图片描述

    【注意】所有相关的度量都需要经过检验,不以值的高低断英雄,而在置信区间和显著性(要做一个概率检验、显著性检验)
    【自相关的取值范围】[-1,1]
    【例子】I=0.001,这个关系是强还是弱呢?不知道,必须做检验。根据检验之后才知道
    【原因】I的大小和样本数是有关系的

    1. 数据量少,只有两个点的时候,I=0.1那相关性肯定是很弱的
    2. 数据量有一个亿,I=0.1那相关性就已经是很强的了

    2.3.2 Moran’sI

    【Moran’sI】包括全程和局部两个参数,用来分析空间的相关性
    在这里插入图片描述

    【解释】w=1即是任意一个数对于均值的偏差,和方差的公式很像,只是加了一个w(距离比较近才计算,比较远w=0就不计算了)
    【意义】I值越大,表明正的空间相关性越强

    1. 正相关:如果是正的而且显著,表明具有正的空间相关性。 即在一定范围内各位置的值是相关的
    2. 负相关:如果是负值而且显著的,则具有负的空间相关性,数据之间反相关
    3. 随机:接近于0则表明数据的空间分布是随机的,没有空间相关性

    2.3.3 GerayC参数

    【应用场景】进行局部自相关分析
    【意义】C值大于0,表明正的值四周为高值环绕,小于0,则为低值环绕,0则为无聚集特征。

    2.3.4 G统计量

    【应用场景】局部自相关分析
    【意义】较高的G值表明位置周围是较高的数据,即数据具有聚集性

    【结论】模拟表明 (Ord 和 Getis 1994),在xi 周围不存在空间聚集的原假设的条件下,G的分布接近与正态。对于不同的观察值N,在不同的显著性概率下G值各不相同。
    【例如】在90%的概率下,N=40对应的G值为2.7913

    2.4 应用问题

    什么情况下要用空间自相关,用空间自相关用来研究什么问题

    【问题】常识是否需要证明?
    你已经知道你的研究对象就是聚集的,你还用空间自相关去做,这就没有必要了
    【例子】

    1. 蚂蚁在空间上是不是空间自相关的?所以不能用空间自相关来研究蚂蚁,蚂蚁就是一窝一窝的
    2. 研究蝗虫在空间上是不是空间自相关?可以的,原先没有这个概念
    展开全文
  • 用geoda软件进行空间自相关分析示例

    万次阅读 多人点赞 2016-12-27 10:41:00
    毕业论文需要用到空间自相关,所以摸索摸索了好久,终于弄出了大概的流程了。情景1 如果你没有shp格式的文件数据,那么我建议你下载geoda095i这个版本(因为最新版本的我不太会操作)明确问题:假如我们要对广东省各...
  • 本文详细讲解空间统计分析空间权重矩阵、全局空间自相关、局部空间自相关三种方法的原理、应用案例。
  • 文章目录1 空间地理相关性2 技术性定义3 空间相关类型4 Moran’s I(莫兰系数)5 空间相关的应用6 案例研究: 意大利人口迁移分析7 总结8 实现工具 1 空间地理相关性 地理空间相关是指一个物体与附近其他物体的...
  • GeoDa 空间自相关操作步骤

    千次阅读 2021-12-26 22:32:00
    空间自相关解析、Geoda计算全局空间自相关、局部空间自相关操作步骤
  • 测试空间自相关分析

    千次阅读 2019-05-30 21:30:00
    如果适应莫兰指数测量某个因变量,发现具有显著的空间自相关效应,那么这样的特征除了可以分析因变量的空间分布特征外,如果要进一步分析该因变量同环境因子之间的关系,就需要对这样的空间自相关效应加以考虑。...
  • ArcGIS空间统计-局部空间自相关

    万次阅读 多人点赞 2020-08-07 15:02:49
    4.寻找可能存在的与全局空间自相关的结论不一致的局部空间自相关的位置,如全局空间自相关分析结论为正全局空间自相关,分析是否存在有少量的负局部空间自相关的空间位置 点击后弹出 参数设置: 输入要素类
  • 一般来说(偏)自相关用于时间序列分析AR、MA的p、q进行定阶。 2、输入输出描述 输入:1个序列数据定量变量输出:pacf/acf图,用于AR、MA的p、q进行定阶 3、学习网站 SPSSPRO-免费专业的在线数据分析平台 4、...
  • 在之前的博客基本上已经对空间相关分析这一块进行了详细地介绍,今天以具体案例来实际对比,在两种不同的计算指标下,空间相关分析的结论是否存在差异。 目录 一、基本回顾 二、全局相关分析对比 三、局部相关分析...
  • 空间相关性分析

    千次阅读 2021-09-17 18:59:24
    说明:使用MATLAB构建空间权重矩阵,并用stata进行空间相关性分析--计算全局莫兰指数、绘制莫兰散点图
  • 新版白话空间统计(2):空间自相关

    万次阅读 多人点赞 2020-02-06 09:45:12
    空间自相关是学习空间统计学课程中的第一个拦路虎,据虾神所知,很多初学空间统计学的同学,在遇上这个词汇的时候,就准备放弃这一门本来可以很有意思的课程了。因为大家发现“空间自相关”这五个字,...
  • ARCGIS空间自相关技术的实现

    万次阅读 多人点赞 2018-10-22 19:12:56
    在做arcgis空间自相关(莫兰指数)时,就是要看空间上分布的现象是否具有空间相关性,换句话说,距离较近的现象间趋向于拥有相似的特征。 此处注意,这个输入要素必须是投影过得数据,如果原先是WGS84地理坐标,...
  • 空间自相关—莫兰指数

    千次阅读 多人点赞 2021-07-07 09:44:06
    莫兰指数分为全局莫兰指数(Global Moran's I)和局部莫兰指数(Local Moran's I),前者是Patrick Alfred Pierce Moran开发的空间自相关的度量;后者是美国亚利桑那州立大学地理与规划学院院长Luc Anselin 教授在...
  • ArcGIS求局部空间自相关

    千次阅读 2020-09-23 16:52:55
    1、打开ArcGIS工具箱 路径:“ArcToolbox”-“空间统计工具”-“聚类分布制图”-“聚类和异常值分析”。   2、参数设置     想了解更多,请关注微信公众号“GAO戏精光芒万丈”:   ...
  • 白话空间统计之:空间自相关

    万次阅读 多人点赞 2015-07-27 21:58:05
    空间自相关,肯定是空间统计里面第一个拦路虎了,很多人遇上了这个高大上的词汇,立刻就发现,这五个字我好像都认识,但是到底说了啥?不知道。如果翻开各种教材,从统计学到数学到物理学,各种解释都摆出了一副...
  • 1、Moran I散点图 2.LISA集聚类图 3.LISA显著性地图 四、总结 ...通过arcGIS制作莫兰图,掌握如何做Moran散点图和LISA集聚图,LISA显著图,分析相关数值在空间的聚类情况。学习交流QQ:875782548
  • Arcgis空间自相关Moran I(莫兰指数)

    万次阅读 多人点赞 2021-03-26 14:17:57
    在进行空间统计相关的研究时,我们常常需要分析空间事物之间的关联度,这个时候,借助Arcgis中的Moran I工具,我们就可以很好的去分析一系列空间事物之间的联系:聚类还是离散(其实就是聚在一块和分开的区别啦) ...
  • 空间自相关是用来测度地利实体的空间分布状况的,具体而言,就是看看它们是有规律的(集聚式或是间隔式),还是随机的(就像在方盘里随意投下一把细针)。这里说的局部自相关,就是可以用来测度以每个地理单元为中心的一...
  • 空间自相关:是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性。其中,自相关中的“”表示当你进行相关性观察统计量,是来源于不同对象的同一属性。Tobler(1970)曾指出“地理学第一定律:任何东西与别...
  • stata进行空间自相关检验

    千次阅读 热门讨论 2018-12-30 21:29:41
    stata进行空间自相关检验全局自相关检验首先,导入权重矩阵(本文命名weight1.dta),name(W)表示对读取的矩阵进行命名;然后,导入数据(本文命名2007.dta)最后,进行全局自相关检验,moran指莫兰指数,geary指...
  • data: ChinaRD2<-readRDS("gadm36_CHN_1_sp.rds") ...names(ChinaRD2)[4]<-c("province_name") popDataSP<-merge(ChinaRD2, data_sp, by=c("province_name"),all.x=TRUE) popDataSP<-popDataSP[!...
  • 空间冷热点分析

    万次阅读 多人点赞 2020-04-15 17:56:21
    空间冷热点分析 定义和原理 热点分析工具可对数据集中的每一个要素计算 Getis-Ord Gi* 统计(称为 G-i-星号)。通过得到的 z 得分和 p 值,您可以知道高值或低值要素在空间上发生聚类的位置。此工具的工作方式为:...
  • 空间数据分析与R语言实践

    热门讨论 2014-06-11 23:00:57
    然后介绍了空间点模式分析、插值与地统计分析、面数据和空间自相关分析和面数据建模;最后介绍了空间数据分析在疾病数据制图及分析中的应用。 本书适合作为“空间信息处理”和“空间信息可视化”课程的教材,通过...
  • 空间分析 | 莫兰指数的计算

    万次阅读 多人点赞 2018-10-05 16:03:31
    根据百度百科的定义是“空间自相关系数的一种,其值分布在[-1,1],用于判别空间是否存在自相关。” 简单的说就是判定一定范围内的空间实体相互之间是否存在相关关系,比如:一座座居民楼它们是聚集在一块还是离散...
  • 空间相关分析与SDM

    千次阅读 2022-02-17 17:29:07
    文章目录一. 空间杜宾模型1.1 什么是空间杜宾模型? 一. 空间杜宾模型 1.1 什么是空间杜宾模型?
  • 白话空间统计十八:相关性分析

    万次阅读 多人点赞 2015-09-20 22:29:45
    不过空间统计要是完全脱离经典统计学去谈,那就真是坠入魔道了……计量革命最主要的成果之一,就是促成了经典统计分析方法在地理学研究中的应用。直到今天,经典统计学还是计量地理学中最常用的手段。可以说,空间...
  • K-means空间聚类分析

    千次阅读 2017-07-12 17:06:47
    内容:根据项目给出的高维空间坐标数据,用K-means做聚类分析

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 731,486
精华内容 292,594
关键字:

空间自相关分析

友情链接: uu580.zip