【GeoDa实用技巧100例】023:geoda探索性空间数据分析

文章目录

    • 全局空间关联性指标
    • 局部空间关联性指标


探索性空间数据分析是一种具有识别功能的空间数据分析方法,主要用于探测一些变量的空间关联性和集聚现象。某一变量在空间上发生集聚,意味着在一定区域内,这一变量在各个地域单元之间具有自相关性:某一地域单元该变量较高,其周围地域单元该变量也较高;某一地域单元该变量较低,其周围地域单元该变量也较低。因此,空间自相关性可以看作是一种反映集聚现象的尺度。

传统上,我们一般单纯通过直观判读数值地图来分析空间集聚问题。然而,这种方法往往带有较大的主观性和模糊性,受判读者的经验和偏好的影响很大。而探索性空间数据分析可以通过“让数据说话”的特点,在相当程度上缓解(注意决非彻底消除)直观判读数值地图带来的弊端。

探索性空间数据分析主要使用两类工具:第一类用来分析整个区域关联性的指数,该类指数称之全局空间关联性指标,如全局莫兰(Moran)指数I和盖里(Geary)指数C等。全局关联性指标可以分为自关联性和交叉关联性两种。前者是反映同一变量在研究区域内的自相关性;后者则是反映两个不同变量在研究区域内的相关性。一般来说,各类指标都可以分成自相关性和交叉相关性两种。第二类用来分析区域内各个地域单元关联性的指数,该类指数称之局部空间自相关指标,如局部莫兰指数I和盖里指数C等。

全局空间关联性指标

莫兰在1950年提出了全局莫兰指数I。它是最早应用于检验空间关联性和集聚问题的探索性空间分析的指标。它能够反映整个研究区域内,各个地域单元与邻近地域单

你可能感兴趣的:(数据分析,数据挖掘,刘一哥,geoda,空间相关性,探索性数据分析)