精华内容
下载资源
问答
  • 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”:

     

    更多相关内容
  • 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:...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
  • 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。
    展开全文
  • 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

    在做全国抽检数据全局自相关性分析时,发现很难存在相关性。所以考虑局部空间自相关性分析
    相对于全局空间自相关而言,局部空间自相关分析的意义在于:
    1.当不存在全局空间自相关时,寻找可能被掩盖的局部空间自相关的位置;
    2.存在全局空间自相关时,探讨分析是否存在空间异质性;
    3.空间异常值或强影响点位置的确定;
    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

    ArcGIS中局部空间自相关
    点击后弹出
    在这里插入图片描述

    参数设置:

    1. 输入要素类
      要分析的要素类
    2. 输入字段
      选择要分析的某个字段
    3. 输出要素类
      可以重新命名,导出本次分析的要求类
    4. 空间关系的概念化
      因统计的是各个省关系,采用CONTIGUITY_EDGES_ONLY共享边。
      在这里插入图片描述
    5. 距离法 、 标准化 可以默认
    展开全文
  • 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


    练习数据获取
    关注cshgiser公众号,回复“路网密度”获取~

    前言

    GeoDa软件与下载

    GeoDaGeoDa是一个免费的开源软件工具,是进行空间数据分析的强有力软件,最具特色的应该是空间自相关的计算,除此之外,软件本身集成了很多空间数据探索分析方法。

    目标

    逐步利用Geoda计算莫兰指数

    理解空间自相关

    依据“越相近,越相似”的原理(地理学第一定律),空间现象普遍存在自相关性。

    以GDP为例,一个地区的GDP高,它周围的区域很难完全独立于该区域,可能存在下面两种情况:

    (1)它周围区域的GDP都很高(正相关),可能是共享了某个有利的客观条件,如沿海区域GDP都倾向于较高。

    (2)它周围的区域GDP都很低(负相关),假设该区域具有很强的城市吸引力,将资源从周边区域吸收出去,则会造成这种局势。

    无论哪种情况,区域上的相近会造成某种属性相似,这就是空间自相关。为了度量空间自相关,Moran在1984年提出一个指数来反映空间邻接或空间邻近的区域单元属性值的相似程度。

    莫兰指数I的定义式如下:

    可以不用懂上面这个式子,只需要知道它需要输入什么数据,得到什么结果。

    结果比较简单:和相关系数一样,值域为-1~1,越接近于-1,负相关性越大;越接近于1,正相关性越大。

    然后看一下它需要什么输入:也比较简单,由于是“自相关”,只需要输入一个变量。另外就是如何体现“空间”,其核心是空间权重矩阵的确定。

    空间权重矩阵以0或1的方式标记两者是否邻接,来体现空间关系,确定邻接方式有两种。

    第一种为多边形邻接(如处理的数据为面状要素):定义两个要素有公共线为相邻,定义权重为1,或者两个要素二阶相邻(相邻的相邻)。

    第二种为距离邻接(如处理的数据为点状要素):即在一定距离范围内相邻,这个距离可以是简单的欧氏距离也可以是复杂的线段距离(基于路网等等)。

    一个熟练的应用者应在定义权重矩阵上下功夫,懂的权重矩阵的含义,从实际问题出发,基于一定假设,构建合适的权重矩阵。后续的结果分析中,同样需要了解所定义的权重。至于其他,则可以无脑输入。

    虽然莫兰指数能够判断出空间上的整体分布情况,但事实难以探测出聚集的位置所在及区域相关程度。为了反映整个大区域中的局部指标,需要进一步分析局部空间自相关。通常包括:空间联系的局部指标(Local Indicators of Spatial Association,LISA)Moran散点图

    局部莫兰指数定义如下:

    同样不需要懂上面这个式子,只要理解通过上面这个式子可以计算得到每个要素对应的局部莫兰指数值,同时经过显著性检验可以知道哪些是结果是显著的。由此生成一个空间分布图(LISA图)呈现出不同的聚集特征。

    莫兰散点图是Anselin在1996年首次提出的,所拟合的回归直线的斜率即为莫兰指数。

    如图为一个莫兰散点图,散点图的横轴为变量的值与均值的偏差,纵轴为邻居要素的变量的值与均值的偏差。可能理解起来比较抽象,可以直接看结论:

    与局部莫兰指数相比,莫兰散点图的重要优势在于能够进一步具体区分每个要素与其邻居要素之间的关系,包括高值-高值(落在第一象限)低值-低值(落在第三象限)、**高值-低值(落在第四象限)低值-高值(落在第二象限)**四种空间联系形式。这样能够更清晰的知道,一个区域周围分布的是高值区域和低值区域,这在实际问题的分析中具有重要参考价值。

    Geoda空间自相关计算步骤

    1.首先加载数据,打开看一下属性表:

    2. 构建权重矩阵。点击Create Weights按钮就可以进入权重构建页面,如下图所示:

    这里有几个选项,可以根据需求选择:

    (1)Weights File ID Variable:变量标识,是属性表中的某一列,用于标识对象,所以需要值唯一。当然也可以点击Add ID Variable 创建新的标识列。

    (2)确定权重邻接形式。第一种为多边形邻接确定权重(a);第二种为距离邻接确定权重(b)。这两种方法选择其中一个。

    (a)多边形邻接确定权重参数设置

    Rook contiguityQueen contiguity,这两个参数点选其一。

    rook和queen国际象棋术语。rook, 横、竖均可以走,步数不受限制,不能斜走(和中国象棋类似),不能越子。queen, 横、直、斜都可以走,步数不受限制,但是,不能越子行棋。该棋也是棋力最强的棋子。差别看上图就清楚了。

    Order of contiguity,该参数定义几阶邻接,默认就是一阶。两阶邻接就是一个多边形邻接的邻接也在距离之内,依此类推。

    (b)距离邻接确定权重参数设置。

    Threshold distance为距离阈值,超出阈值判别为不邻接。

    Distance metric距离度量方式,包括欧几里得距离(Euclidean distance,直线距离),输入两个坐标就能算出;弧段距离(Arc distance),主要针对没有投影,如用经纬度的图层,这类图层不能用经纬度坐标直接计算欧氏距离,因此引入考虑地球曲率的弧段距离。不过,还是建议在做与距离有关的分析时,首先对图层进行投影。

    X-coordinate variableY-coordinate variable为坐标变量,就是每个要素的实际位置,如果是多边形一般取的就是质心坐标了。

    这里以多边形rook邻接方式构建权重矩阵,构建好的权重矩阵文件,用写字板打开如下:

    虽然是权重矩阵文件,但是并没有以矩阵的形式存储,因为存储大量的0和1会占据大量内存空间。这个文件以两行为一个单元存储了每个元素的邻居元素,例如可以看出27077这个对象有3个邻接,分别为27007,20135和27071。

    3. 计算全剧莫兰指数。点击Univariate Moran’s I 进入莫兰指数计算界面,首先是确定变量。

    我们这里以UE90这个变量为例,含义为1990的失业率。

    计算得到莫兰指数为0.543.

    理解散点图:这里引入一个变量z,含义为变量UE90偏离均值的大小,所以整体上分布在0值两边。同是z也就是横轴变量,而纵轴变量为邻接要素的变量值乘以对应归一化权重值的和,反映的是邻居要素的整体水平。由此可见,落在第一象限,无论是该元素还是它的邻居元素,UE90均比较大(相对均值来说),体现一种高-高分布的格局;而第二象限内,该元素UE90比较小,它的邻居元素变量值又比较大,呈现一种低-高的空间分布格局。

    这个散点图为莫兰散点图,是Anselin在1996年首次提出的,所拟合的回归直线的斜率即为莫兰指数。

    4. 显著性评估

    通过随机生成空间数据,来看是否能够拒绝空间随机性的零假设,由上图可以看出,黄色的线(I=0.543)较远地落在特定P值下随机分布的右侧,表明该统计结果比较显著。

    5. 计算局部莫兰指数。点击univariate Local Moran’s I 进入局部莫兰指数计算界面,首先是确定变量。

    仍以UE90这个变量为例。

    在执行局部莫兰指数计算时,可以勾选三个显示结果,分别为显著性图、聚集分布图和莫兰散点图,实际上莫兰散点图在计算全局空间自相关时已经显示,这里勾选前两个选项。

    这两个图,上面为聚集图,有四种空间联系方式,包括高值-高值(莫兰散点图中落在第一象限的区域)、低值-低值(第三象限)、高值-低值(第四象限)和低值-高值(第二象限)。同时该聚集图只显示了显著的区域。

    下面为对应的显著性水平,表明每个区域对应的局部相关值是否显著。

    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...
  • 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...若将城、镇、村都看作这样的空间单元,那么这种局部自相关的测度就可以判...
  • 如有问题,希望诸位大牛看到后及时指出~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,...
  • 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...
  • 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[!...
  • 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
  • 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...
  • 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...
  • 基于Python实现全局和局部双变量Moran指数计算,输入参数可直接是shapefile文件。
  • 【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...
  • 使用R进行空间自相关检验

    千次阅读 2020-12-21 09:11:39
    「全局溢出」当一个区域的特征变化影响到所有区域的结果时,就会产生全局溢出效应。这甚至适用于区域本身,...对应全局与局部溢出,存在全局与局部自相关检验。全局自相关检验指标主要有 moran'I 指数、Geary 指数 ...
  • 三种Moran's I(空间自相关性) 之我见

    万次阅读 多人点赞 2019-05-22 16:06:57
    空间自相关性的计算指标有全局莫兰指数,局部莫兰指数,现在又有一个二元局部莫兰指数。具体定义和解释,我不做介绍了,可以参见相关书籍,如《空间分析教程》,或者大虾卢的博客,或者局部莫兰指数创造者LUC院士...
  • 为合理诊断流域降水的空间变异性,阐明了6种常见的全局和局部空间相关指标的联系与区别,并用空间相关函数进行统一表述,然后提出了同时从全局和局部2个方面对连续性与间断性并存的降水空间变异性进行综合分析的方法...
  • 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...
  • 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...
  • 在前面的话:白话空间统计系列还继续更新,因为这段时间在对《使用R语言进行空间统计》系列进行翻译翻译和编写,所以白话空间统计系列和使用R语言进行空间统计可能会交替出现,给大家的阅读带来的不便,请大家谅解...
  • 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...
  • 空间自相关指数又称莫兰指数,是空间分析常采用的指标,但是使用不同软件计算出的莫兰指数有时会不一致,这是因为不同软件设定的默认选项不一样。本篇介绍如何在R语言中计算莫兰指数和局部莫兰指数,使...
  • 空间相关分析(三) 局部莫兰指数的理解与计算

    万次阅读 多人点赞 2020-06-04 08:42:13
            在上篇中,我们详细地阐述了全局莫兰指数(Global Moran’I...在全局相关分析中,如果全局莫兰指数显著,我们即可认为在该区域上存在空间相关性。但是,我们还是不知道
  • 白话空间统计番外:再谈莫兰指数(Moran's I)

    万次阅读 多人点赞 2016-03-15 14:38:03
    经典相关性分析是两条数据(属性维度)之间的相互依赖关系,那么空间自相关就是在空间范围内的相互依赖程度。全局的莫兰指数就是用来衡量空间自相关程度的。在ArcGIS的工具集里面,这个工具干脆就直接叫做“空间自...
  • 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...
  • 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...
  • 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
  • 空间相关分析(二) 全局莫兰指数的理解与计算

    万次阅读 多人点赞 2020-05-16 23:09:06
    空间相关分析中

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 260,184
精华内容 104,073
关键字:

局部空间自相关