全局莫兰指数_关于Moran指数的一些思考

本文探讨了全局和局部莫兰指数在空间相关性分析中的应用,指出全局指数用于检测空间自相关性,局部指数用于发现异常值和集聚。作者通过实例解释了Moran散点图与LISA集聚图中点分布不一致的原因,并强调LISA图能显示统计上显著的集聚现象。
摘要由CSDN通过智能技术生成

以下我要说的问题,可能是大部分初次接触空间分析的童鞋们经常会遇到的问题,我只是总结了自己的一些经验和思考,肯定也有很多不全面不成熟的地方,欢迎大神补充呀。

Moran指数分为全局和局部,两者都是用来分析空间相关性的一个指标,全局莫兰指数用来分析有没有空间自相关性存在,而局部莫兰指数用来探测异常值或者集聚出现的范围和位置。在之前的论文中,有个问题困扰了我很久,在进行局部相关性分析时,为何Moran散点图中点的分布和LISA集聚图中点的分布数量不一致?例如,散点图中显示HH集聚的省份有8个,而在LISA集聚图中只有2个省份显示HH集聚。通过查阅文献以及频繁出入各大论坛,小编终于找到了一些蛛丝马迹。

1.莫兰散点图。一般情况下,我们做局部自相关分析都会以Moran散点图的形式体现,每个样本点在各个象限的分布一目了然。

(1)首先,Moran散点图是根据全局莫兰指数画的,但这个图是用来分析局部相关性的。由下图可得,当年的全局莫兰指数为0.524564,Z得分为4.0893,其伴随概率P为0.001,表明当年的经济发展莫兰指数在1%的水平上显著为正,说明当年的经济发展水平(这里是指你的研究对象)存在显著的空间自相关性。

(2)其次,Moran散点图的原点代表当年的全局莫兰指数,图中样本点距离原点的远近代表了聚集显著性的高低,离原点越远,显著性水平越好。

(3)Moran散点图中的四个象限分别用来识别一个地区预期邻近地区之间的关系

第一象限(HH),表示本身是高值,周围的其他地区也是高值;

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值