python计算moran_空间自相关 (Global Moran's I)

空间自相关工具返回五个值：Moran's I 指数、预期指数、方差、z 得分及 p 值。您可通过结果窗口访问这些值，也可以将这些值作为派生输出值进行传递，以满足模型或脚本中的潜在使用需要。或者，此工具会创建一个 HTML 文件，其中包含了结果的图形汇总。在结果窗口中双击此 HTML 文件，该文件将在默认的 Internet 浏览器中打开。右键单击结果窗口中的消息条目并选择查看，将在消息对话框中显示结果。如果您在前端执行此工具，输出值仍会显示在进程对话框中。

注：

当此工具是自定义模型工具的一部分时，如果在运行工具之前将 HTML 链接设置为模型参数，则 HTML 链接将仅在结果窗口中显示。

为了获得 HTML 图形的最佳显示效果，请确保已将监视器设置为 96 DPI。

在给定一组要素及相关属性的情况下，该工具评估所表达的模式是聚类模式、离散模式还是随机模式。使用 z 得分或 p 值指示统计显著性时，如果 Moran's I 指数值为正则指示聚类趋势，如果 Moran's I 指数值为负则指示离散趋势。

此工具计算 z 得分和 p 值，以指示您是否可以拒绝零假设。在这种情况下，零假设表示要素在研究区域中是随机分布的。

z 得分和 p 值是统计显著性的量度，用来判断是否拒绝零假设。对于此工具，零假设表示与要素相关的值随机分布。

输入字段应包含多种值。此统计数学方法要求待分析的变量存在一定程度的变化；例如，如果所有输入都是 1 便无法求解。如果要使用此工具分析事件数据的空间模式，应考虑聚合事件数据。优化的热点分析还可以用来分析事件数据的空间模式。注：