全局莫兰指数_空间自相关 | 莫兰指数
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“自”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:任何东西与别的东西之间都是相关的,但近处的东西比远处的东西相关性更强”。
空间自相关统计量是用于度量地理数据(geographic data)的一个基本性质:某位置上的数据与其他位置上的数据间的相互依赖程度。
在地理统计学科中应用较多,现已有多种指数可以使用,但最主要的有两种指数,即Moran的I指数和Geary的C指数,也就是我们常说的莫兰指数和G统计量。
今天我们就先了解一下度量空间相关性的一个重要指标之一的莫兰指数。
莫兰指数分为全局莫兰指数和局部莫兰指数。
// 全局和局部 //
其中,全局型的功能在于描述某现象的整体分布状况,判断此现象在空间是否有聚集特性存在,但其并不能确切地指出聚集在哪些地区。而局部型可以进一步告诉我们哪个位置出现了异常值、哪个位置出现了集聚现象。它可以判断一座座居民楼它们是聚集在一块还是离散分布在各处。
// 值的分布 //
莫兰指数是一个有理数,通过方差归一化操作之后,其值将分布在[-1,1]之间,用来判别空间是否存在自相关。当值大于0时,表示数据呈现空间正相关,其值越大空间相关性越明显。当值小于0时,表示数据呈现空间负相关,其值越小空间差异越大。当值等于0时,空间呈随机性。
// 在Arcmap中的位置 //
在Arcmap中进行空间自相关分析时,可以打开工具箱【空间统计工具】下面的对应的位置,分析之后会得到下方的结果。
解读这个结果的时候,大家可以关注其P值和Z值的得分即可。当P值小于0.05(通过95%置信度检验),且Z得分超过临界值1.65(拒绝零假设设定的阈值);Z分数为负号,且通过显著性检验,比如而上图中的P值大于了0.05的95%的置信度,Z值也没有超过1.65,所以说这个数据就偏向随机了。
// 相关文章 //
《基于Moran统计量的空间自相关理论发展和方法改进》
陈彦光北京大学城市与环境学院
文章链接:
https://pan.baidu.com/s/1mwFiPUNOxdSIBUYzsRGBNw
提取码:
plcf
全局莫兰指数_空间自相关 | 莫兰指数相关推荐
- pytdx 获取板块指数_怎么查看各行业板块指数?
展开全部 分析如下: 查看板块指数快捷键15. 具体方e5a48de588b63231313335323631343130323136353331333365666165法如下: 1.打开软件,在正下 ...
- 申万一级行业日指数_申万一级行业指数一周表现
申万一级行业指数一周表现 代码名称现价涨跌涨跌幅5日涨跌幅 801010.SI农林牧渔(申万)1809.95-30.96-1.68%1.00% 801160.SI公用事业(申万)1876.27-22. ...
- python爬关键词百度指数_详解python3百度指数抓取实例
百度指数抓取,再用图像识别得到指数 前言: 土福曾说,百度指数很难抓,在淘宝上面是20块1个关键字: 哥那么叼的人怎么会被他吓到,于是乎花了零零碎碎加起来大约2天半搞定,在此鄙视一下土福 安装的库很多 ...
- 申万一级行业日指数_申万一级行业指数
申万一级行业指数 名称5日涨跌幅最新成交金额年初至今涨跌幅 农林牧渔(申万)7.89%2716.53144808233.14% 信息设备(申万)6.40%1709.56139742117.44% 金融 ...
- 聚类dbi指数_聚类算法评价指标——Davies-Bouldin指数(Dbi)
最近在做一个时空序列聚类的小项目,度量聚类优劣的指标使用到了DBI指数,所以开始学习了一下DBI指数,以下是我的理解和基于python3的实现: 戴维森堡丁指数(DBI),又称为分类适确性指标,是由大 ...
- 申万一级行业日指数_申万一级行业指数涨跌幅
名称 13日涨跌幅 一周涨跌幅 最新点位 年初至今涨跌幅 金融服务(申万) -0.82% 3.50% 1988.12 3.88% 有色金属(申万) -1.21% 11.28% 3239.96 8.03 ...
- 申万一级行业日指数_申万一级行业指数市场表现
名称现价涨跌涨跌幅5日涨跌幅 房地产(申万)2356.19-32.79-1.37%3.04% 纺织服装(申万)1725.58-18.52-1.06%2.77% 通信(申万)1582.77-19.93- ...
- 申万一级行业日指数_申万一级行业指数昨日市场表现
名称现价涨跌幅5日涨跌幅20日涨跌幅60日涨跌幅 银行3228.73-4.54%-6.43%-2.74%4.87% 食品饮料6497.57-6.86%-8.44%-2.24%7.45% 国防军工176 ...
- geoda空间自相关分析_【方法笔记4】Geoda空间计量1 空间自相关
以黑龙江省为例: 1.导入shp格式地图:打开目标地图,点击第二行第4个数据按钮可以查看地图数据变量 2.数据合并:即将研究的各地级市数据与导入地图"捆绑",首先找到地图数据中可以 ...
最新文章
- Python数据分析pandas之series初识
- spring boot aop 记录方法执行时间
- 在Selenium中按TagName定位元素
- hive三种调用方式
- 前端大神:如何看待 React Server Components?
- 【BZOJ1116】[POI2008]CLO 并查集
- 20200114每日一句
- 最好用的杀毒软件avast!antivirus加免费注册码!
- Matlab2012b安装步骤(附带Matlab2012b破解码及序列号)
- gradle教程java_Gradle教程系列 ——Gradle基本语法
- 利用Aliddns进行端口映射,外网可以使用域名访问,在公司内网用域名访问不通。
- 360网址导航的搜索引擎默认怎么改为百度
- 封装:el-upload上传图片组件(解决图片闪动、多选问题)
- 学习如何利用docker建立容器,然后用fastqc分析数据
- auto auto const auto auto
- 转载海科SEO-探秘qq空间seo设置
- 正则表达式: 以英文字母开头,只能包含英文字母、数字、下划线
- SQL导入文本错误:大容量插入: 在数据文件中遇到意外的文件结尾 (EOF)。
- java 函数式接口与lambda表达式的关系
- MySQL:Got error 139 from storage engine
热门文章
- Android 实现验证码效果图
- python WindroseAxes 报错 has no attribute ‘Appender‘
- 小程序 background-image背景图片设置的注意点
- php解析html数组,HTML中如何处理PHP传递的三维数组
- Java获取本地ip方法_Java获取本地IP方法详解
- Hive中COUNT的高级用法(条件过滤等)
- Hive分区和桶的概念
- Font Awesome 中文网
- python - hadoop,mapreduce demo
- ArcGIS for Desktop入门教程_第八章_Desktop学习资源 - ArcGIS知乎-新一代ArcGIS问答社区...