白话空间统计之四：P值和Z得分（中）

要说P、Z之前（本文的P、Z写法，请忽略大小写），我们先看看一个中学化学的概念：PH值。

另外，还要纠正一个说法，p是一个值（p value），而z是一个得分（z scores),上篇文章中，称谓出错了。

就像上面那个PH试纸的标尺，从中间往两边延伸，表示酸碱的强度。理论上，自然界的物质，基本上以7为中心的正态分布，就像下面这样：

相对于极度的强酸和极度的强碱，在自然界中的含量都是比较少的，更多的都是中性或者是弱酸或者弱碱的物质。

PH值就是用来度量酸碱度的东东，那么我们今天要说的P、Z就类似于PH值这样一个概念，也是用来衡量空间分布模式，而且最关键的，它的值也有一个和PH试纸一样的参考标尺。

首先看看，空间分布的模式，一般来说，有三种，分别是离散的、随机的、和聚合的。

离散的概念就是指观测的每个数据之间的差异程度，离散程度越大，差异性就越大。

聚合与离散正好相反，表示在一定区域内的相关程度，就是聚合程度越大，相关性就越大。

随机就不用说了，纯粹的无模式，你既不能从随机数据中获取结论，也发现不了规律和模式。

拿到数据之后，我们都要进行零假设，然后验证这份数据是不是具有随机模式，如果有很大的概率是随机模式，那么这份数据的可分析性，基本上就微乎其微了（比如布朗运动的运动规律，估计没有哪个人会无聊的去做研究，一方面根本就研究不出什么结果来嘛，另一方面是随机结果的分析也不具有可重现性）。

P值和Z得分分别表什么呢？

p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说，你计算出来的p值是1，那就表示你用于计算的这份数据，100%是随机生成的了（当然，不可能是1的，0.5以上就也不得了）。如果是0.1，就表示只有10%的可能性是随机生成的结果。

这样看来，p值是越小越好，但是小到什么样的程度才会最好呢？后面我们会就这个问题继续讨论。

z得分（Zscores）表示标准差的倍数（standarddeviations）。

先看看“标准差”是什么，在官方的解释是：“总体各单位标准值与其平均数离差平方的算术平均数的平方根”，好吧，我知道这个概念有点绕口，你就知道记住“标准差能反映一个数据集的离散程度”，就可以了。

那么z得分，就是标准差的倍数（有正负之分），比如z得分是+2.5，就表示你的数据计算出来，得到的结果是标准差的正2.5倍。反之，如果你算出来的是-2.5,那么就表示你的结果是标准差的负2.5倍。

P值和Z得分，一般都是一起出现的，如下图所示：

可以看见，p值与z值是有相关性的。上面这个标尺就是p值和z得分的"PH试纸标准比色卡"。

按照这个分布趋势，我们可以看出，数据高度聚集和高度离散，都是小概率的事件。如果你计算出来的p值和z得分，被分布在了两端，就说明你的数据出现随机模式的概率非常低了。

一般来说，要进行数据分析，我们首先就要设立一个置信度，也就是说，你要设定你的数据，起码要有多大的可能性，被落在你期望的区间内。

如，一拿到数据，我们最先就要想，这份数据起码应该有绝大部分的值，不是随机的（也就说，是应该有规律的），这个绝大部分到底应该被量化为多少呢？一般来说，我们会选择90%，或者95%或者99%。那么99%是最极端的情况，表示你能够完全的确认，这份数据没有任何的随机可能（只有1%的可能是随机创建的），完全的接受了零假设。

下表显示了不同置信度下未经校正的临界 p 值和临界 z 得分。

z 得分（标准差）	p 值（概率）	置信度
< -1.65 或 > +1.65	< 0.10	90%
< -1.96 或 > +1.96	< 0.05	95%
< -2.58 或 > +2.58	< 0.01	99%

“未经校正”就所谓的“经验参数”，当然还有一个“错误发现率(FDR)”工具，可以对p 值的临界点进行校正。这些校正后临界值会等于或小于上面的表所示的值。

对于这个FDR工具，先挖个坑，以后填。

最后，我们最后来解读一份数据

这个是通过ArcMap的全局莫兰指数计算出来的结果，我们暂时跳过期望指数和方差，直接看我们这几天讲的内容。

莫兰指数是大于0.7，z得分是大于1.96，p值为大于0.04小于0.05，对照上面那个对比标尺，所以就能得出以下的结果：

1、莫兰指数是正数，而且大于0.7，就表示这份数据具有空间正相关性，数据集的用于分析的值与空间聚集度成正比。

2、p值小于0.05，所以本数据是随机生成的概率只有5%（95%的置信度）。

3、z得分大于1.96，说明这份数据的呈现了明显的聚类特征。

那么总体说，p值代表数据来源的可靠性，z得分和莫兰指数都表示此数据有明显的规律。

最后来看看，这是一份什么数据：

这是北京市2013年9月的房价数据（友情感谢小强同学提供）。这份数据是通过爬虫从网络上扒下来的，自然不会是随机生成，而且房价的数据确实是明显有聚集特性和空间正相关的。

这样，通过计算，验证了我们的猜测和观点。

关于P值和Z得分的内容，后面还有，未完待续。

前面的文章，可以先关注虾神的公众号，然后查看历史信息就行。或者点击原文链接，去看虾神我的博客。

白话空间统计之四：P值和Z得分（中）相关推荐

arcgis设置nodata值_新版白话空间统计（6）：在ArcGIS中实现莫兰指数计算
上一篇简单说了一下莫兰指数的计算原理和计算公式,如果是学生或者基础研究者,鼓励好好的学习一下手算或者编程计算,所谓的基础不牢,地动山摇--但是对于工程界和应用人士,特别是非基础学,重复造轮子是没有啥意 ...
新版白话空间统计（6）：在ArcGIS中实现莫兰指数计算
CSDN的被爬虫专用声明:虾神原创,公众号\知乎:虾神说D 转发.转载和爬虫,请主动保留此声明. 上一篇简单说了一下莫兰指数的计算原理和计算公式,如果是学生或者基础研究者,鼓励好好的学习一下手算或者编 ...
【虾神白话空间统计】笔记：置信度、零假设、PZ值、随机分布
以下内容摘录节选学习自虾神专栏很重要的一个概念:在空间统计中,随机和均匀经常是一个意思一个随机抽样的例子新版白话空间统计(9):置信度的初探这里面讲经研究,有72%的男生喜欢打篮球,然后做个随 ...
新版白话空间统计（12）：P值的表达以及空间统计上的特性
CSDN的被爬虫专用声明:虾神原创,公众号\知乎:虾神说D 转发.转载和爬虫,请主动保留此声明. 上篇文章简单介绍了P值与Z得分的一些基本概念,大家其实也都知道,P值和Z得分其实是有一定的相应关系的, ...
白话空间统计十九：热点分析(上)
白话空间统计十九:热点分析(上) 哈罗,各位好,话说虾神已经消失很久了,很多人在问是不是停止更新了?那肯定是不可能的,虾神发下宏愿,要把白话空间统计写完的.只不过这段时间遇上各种加班和一年一度的用户大 ...
新版白话空间统计（21）平均最近邻
前面的章节里面,我们看了很多关于空间分布模式的基本原理,从这一章节开始,我们讲一些具体的工具和算法的使用. 前面我们用莫兰指数.P值.Z得分啥的,可以得出一份数据是属于离散.随机还是聚集,并且通过各种 ...
moran指数 r语言_白话空间统计之二十五：空间权重矩阵（四）R语言中的空间权重矩阵(2)：不同空间关系对莫兰指数的影响...
原标题:白话空间统计之二十五:空间权重矩阵(四)R语言中的空间权重矩阵(2):不同空间关系对莫兰指数的影响上一篇,讲了R语言中的空间权重矩阵的结构,这一节讲讲R语言里面空间权重矩阵的自定义. 与Ar ...
白话空间统计二十七：统计学七支柱之空间统计版本（二）聚合（2）
还记得a long long time ago 的青葱岁月--作为学渣的虾神最怕的就是各种(不擅长)的考试,虾神读书时候有个习惯,就拿到试卷之后,第一时间会把试卷翻到最后一页,去看最后一道大题.然后以 ...
二进制空间权重矩阵_白话空间统计之二十五：空间权重矩阵（三）解构空间权重矩阵...
原标题:白话空间统计之二十五:空间权重矩阵(三)解构空间权重矩阵中国古代就有"天圆地方"一说,所谓的"方"就是所谓的矩阵-- 在军事上面,最为讲究就是团体的力 ...

白话空间统计之四：P值和Z得分（中）

白话空间统计之四：P值和Z得分（中）相关推荐

最新文章

热门文章