1 空间地理相关性
地理空间自相关是指一个物体与附近其他物体的相似程度。通俗地说,它度量的是相近物体与其他相近物体的相似程度。
地理信息系统的第一规则: 一切事物都与其他事物相关联。但是相近事物比较远事物更相关 (Waldo r. Tobler,1970)。
为了理解这个定律,例如:
-
假设从一个网站随机挑选了一套房子,价格是60万美元。那么,如果它旁边的房子也挂牌出售,如何预测它的价格。65万美元和280万美元,会选择哪一个?
-
如果选择了65万美元,那么我们已经潜意识地知道什么是空间自相关了。它是一些共同特征(例如房价)中两个相近物体之间的相关性。
空间自相关的一个潜在应用是,它有助于分析生态和疾病的集群和扩散。诸如“这种疾病是一个孤立的案例吗”或“降雨模式在不同地区是聚集的还是相同的”这样的问题可以通过空间自相关分析得到很好的理解和回答。
2 技术性定义
从技术上讲,空间自相关性是指在空间尺度上观测彼此相近的变量之间的关联性的度量。这个变量可能是:
- 在连续表面上的任何一点(例如一个地区的土地使用类型,或年降水量);
- 在特定区域内的一组固定地点(例如一组零售店铺);
- 细分地区的一组区域(如人口普查数据中有两辆或两辆以上汽车的家庭数量或比例)。
自相关违反了统计学的核心原则,即观察值是相互独立的。根据经典统计学中的独立性假设,群体之间的观察值和群体内部的观察值应该是独立的。
因此,空间自相关显然违背了上述假设。
空间相关概念是时间相关的一种延伸。唯一的区别是时间相关性衡量一个变量随时间的变化,而空间相关性衡量两个变量的变化,即观测值(如收入、降雨量等)和位置的关系。
3 空间相关类型
地理空间相关性最常见的形式是斑块和梯度。
一个变量的空间相关性可以是外生的(由另一个空间自相关的变量引起, 如降雨),也可以是内生的(由某个过程引起,如疾病的传播)。
4 Moran’s I(莫兰系数)
空间自相关性通过Moran’s I系数进行度量,它是一个相关系数,用来度量数据集的整体空间相关性。Moran’s I系数可以分为正相关、负相关和无空间自相关:
&#x