文章详细解释了P值在假设检验中的作用，指出P值低于特定阈值可表明数据存在空间自相关性。Z得分用于判断空间聚集，而莫兰指数则分析空间正/负相关。当P值小于0.1或0.01时，通常认为存在空间关联；Z值大于1.65或小于-1.65表示聚集或离散分布。此外，文章还提到了AnselinLocalMoransI用于聚类和异常值分析。
仔细看完下面两个链接绝对可以明白。写的非常清晰。
个人理解：P值决定了数据有没有显著性，数据能不能用的问题。z值解决了在空间上是否有聚集的问题。莫兰值解决了再空间上是正/负相关的问题。
他人理解：
p值是假设检验的值。
假设检验的原假设是：研究内容不存在空间自相关性或者说是随机的。
当p<0.1时表示在90%的置信区间上拒绝原假设，当p<0.01时表示在99%的置信区间上拒绝原假设，也就是说，研究内容存在空间自相关性；当p>0.1时，接受原假设，说明研究内容不存在空间自相关性。
z值，z>1.65时呈现聚集分布，z<-1.65时呈现离散分布，z值在-1.65 ~ 1.65之间时，呈现随机分布。（注：这里说的1.65是临界值，只要z值在-1.65 ~ 1.65之间，就可以说明不存在空间自相关性了）
关于moran’s I本身来说，只要p值过了检验，莫兰指数值可以是比较小的，这只能说明具有空间效应。而当moran’s I的值大于0.2或者小于-0.2时，可以说具有明显的空间效应了。
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。
arcgis的空间关系概念化选择应该据实际要求进行选择。
参考虾神的文章。http://t.csdn.cn/kQfi3
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。
分析的是否有问题？？？
扫一扫
6328
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
