ARCGIS空间统计分析

ARCGIS空间统计分析空间统计工具功能功能领域工具集工具地理分布测量度量地理分布平均中心、中心要素、标准距离、方向分布（标准差椭圆）、线性方向平均值地理模式分析分析模式平均最近邻、空间自相关(Moran'sI)、高/低聚类(Getis-OrdGeneralG)地理聚类分析聚类分布制图聚类和异常值分析(AnselinLocalMoran'sI)、热点分析(Getis-OrdGi*)回归分析空间关系建模普通最小二乘法、探索性回归、地理加权回归ARCGIS“空间统计”工具箱概述工具集描述分析模式这些工具可用于评估要素（或与要素关联的值）是形成一个聚类空间模式、离散空间模式还是随机空间模式。聚类分布制图这些工具可用于识别具有统计显著性的热点、冷点或空间异常值。度量地理分布这些工具可以解决以下问题：中心在哪里？形状和方向如何？这些要素的离散程度如何？空间关系建模这些工具可利用回归分析来建立数据关系模型，也可以构建空间权重矩阵。渲染这些工具可用于渲染分析结果。工具这些实用工具可执行多种杂项功能：计算面积、评估最小距离、导出变量和几何、转换空间权重文件和采集重合点。•注意:ARCGIS“空间统计”工具箱,只要分析中涉及距离（对于空间统计总是如此），就应使用投影坐标系（而不是基于度、分、秒的地理坐标系）对数据进行投影。1.ARCGIS空间统计任务汇总某分布模式的关键特征。标识具有统计显著性的空间聚类（热点/冷点）和空间异常值。评估聚类或分散的总体模式。对空间关系建模。1.1汇总关键特征问题工具示例中心在哪里？平均中心或中位数中心人口中心在哪里以及它如何随时间变化？哪个要素的地理位置最便利？中心要素应将新建的支持中心定址在哪里？主导方向或方位是什么？线性方向平均值冬季的主要风向是什么？在此地区如何确定断层线的方位？要素的分散程度、密集程度或融合程度如何？标准距离或方向分布(标准差椭圆)哪个犯罪团伙所涉及的地域最大？哪种疾病菌株的分布范围最广？根据动物选择的生活地点，各物种会达到什么样的融合程度？是否存在定向趋势？方向分布(标准差椭圆)残骸现场的方位在哪里？残骸的集中区域在哪里？1.2标识具有统计显著性的聚类问题工具示例热点在哪里？冷点在哪里？聚类的集中程度如何？热点分析(Getis-OrdGi*)或聚类和异常值分析(AnselinLocalMoran'sI)富裕区与贫困区之间最清晰的界限在哪里？哪里是生物多样性和栖息地质量最高的地方？异常值在哪里？聚类和异常值分析(AnselinLocalMoran'sI)在济南的哪里我们会找到异常的消费模式？如何可以实现最有效的资源调配？热点分析(Getis-OrdGi*)哪里的糖尿病发病率异常高？哪里的厨房火灾占住宅火灾的比例高于预期值？白天发生的犯罪案件与夜晚发生的犯罪案件是否具有相同的空间模式？哪些位置与问题发生位置相距最远？热点分析(Getis-OrdGi*)应将避难场所设置在哪里？1.3评估整体空间模式问题工具示例各空间特征之间是否存在差异？空间自相关(GlobalMoran'sI)哪一类犯罪的空间集中性最高？或平均最近邻哪些植物物种的分布在整个研究区域中最为分散？空间模式是否随着时间推移发生变化？空间自相关(GlobalMoran'sI)富裕区和贫困区是否或多或少地出现空间上的隔离？是否突然出现药品购买高峰？或高/低聚类(Getis-OrdGeneralG)随着时间推移，该疾病是保持固定在同一个地理位置，还是扩散到邻近的地方？抑制措施是否有效？空间过程彼此之间是否类似？多距离空间聚类分析(Ripley'sK函数)该疾病的空间模式是否反映出高危人群的空间模式？商业入室盗窃的空间模式是否偏离商业场所的空间模式？数据是否在空间上相关？空间自相关(GlobalMoran'sI)回归残差是否表现出具有统计显著性的空间自相关？1.4关系建模问题工具示例是否存在相关性？关系的稳固程度如何？这种关系在整个研究区域中是否一致？普通最小二乘法(OLS)教育程度与收入之间是什么关系？这种关系在整个研究区域中是否一致？和地理加权回归(GWR)破坏财产行为与入室盗窃之间是否存在明确的关系？患病几率是否会随着接近水要素而增加？哪些因素可能导致发生特定的结果？还有什么地方可能有类似的反应？普通最小二乘法(OLS)有哪些关键可变因素可以解释森林火灾频发的原因？和地理加权回归(GWR)哪些人口特征导致了较高的公共交通工具使用率？应保护哪些环境以促进濒危物种的再引入？缓解措施会在哪里最有效？普通最小二乘法(OLS)孩子会在哪些方面始终保持高的考试分数？似乎要与哪些特征联系在一起？每个特征分别在哪些方面最为重要？和地理加权回归(GWR)哪些因素与高于预期的交通事故发生比例相关？在每个事故高发地点，哪些因素是最强的预测因子？模式可能会发生什么样的变化？可以做哪些准备工作？普通最小二乘法(OLS)911报警电话的热点在哪里？哪些可变因素可有效预测通话量？鉴于对未来的预测，对应急资源的预期需求有哪些？和地理加权回归(GWR)为什么此位置会成为热点？为什么此位置会成为冷点？热点分析(Getis-OrdGi*)、为什么在某些特定区域癌症发病率如此高？普通最小二乘法(OLS)为什么在一些地区的识字率很低？和地理加权回归(GWR)美国是否有持续发生年轻人早逝的地方？原因是什么？2.“空间统计”分析工具•空间统计工具箱包含一系列用于分析空间分布、模式、过程和关系的统计工具。尽管空间统计和非空间统计（传统统计方法）在概念和目标方面可能存在某些相似性，但空间统计具有其固有的独特性，因为它们是专门为处理地理数据而开发的。与传统的非空间统计分析方法不同，空间统计方法是将地理空间（邻域、区域、连通性和/或其他空间关系）直接融入到数学逻辑中。2.“空间统计”分析工具•“分析模式”工具集中的工具都采用推论式统计，它们以零假设为起点，假设要素或与要素相关的值都表现成空间随机模式。然后它们再计算出一个p值用来表示零假设的正确概率（观测到的模式只不过是完整空间随机性的许多可能版本之一）。在制定特定决策时可能需要高置信度的数据，这时，计算概率就可能很重要。2.1“分析模式”工具集工具描述多距离空间聚类分析（Ripley'sK函数）确定要素（或与要素相关联的值）是否显示某一距离范围内统计意义显著的聚类或离散。平均最近邻根据每个要素与其最近邻要素之间的平均距离计算其最近邻指数。可从结果窗口访问结果。高/低聚类使用Getis-OrdGeneralG统计可度量高值或低值的聚类程度。可从结果窗口访问结果。空间自相关根据要素位置和属性值使用GlobalMoran'sI统计量测量空间自相关性。可以从结果窗口访问结果。2.2“分析模式”工具中各方法的工作原理（计算方法）与结果分析2.2.1.平均最近邻的计算2.2.1平均最近的相邻要素“平均最近邻”工具将返回五个值：平均观测距离、预期平均距离、最近邻指数、z得分和p值。2.2.1平均最近的相邻要素z得分和p值结果是统计显著性的量度，用来判断是否拒绝零假设。对于“平均最近邻”统计，零假设指明要素是随机分布的。“最近邻指数”的表示方式是“平均观测距离”与“预期平均距离”的比率。预期平均距离是假设随机分布中的邻域间的平均距离。如果指数小于1，所表现的模式为聚类；如果指数大于1，则所表现的模式趋向于离散或竞争。平均最近邻方法对“面积”值非常敏感（面积参数值的细微变化都能导致结果产生巨大变化）。因此，“平均最近邻”工具最适用于对固定研究区域中不同的要素进行比较。可对研究区域面使用“计算面积”工具以获得面积参数值。2.2.2高/低聚类(Getis-OrdGeneralG)的计算2.2.2高/低聚类(Getis-OrdGeneralG)的计算2.2.2高/低聚类(Getis-OrdGeneralG)的计算2.2.2高/低聚类(Getis-OrdGeneralG)“高/低聚类”工具可返回5个值：GeneralG观测值、GeneralG期望值、方差、z得分及p值。2.2.2高/低聚类(Getis-OrdGeneralG)输入字段应包含多种非负值。如果输入字段包含负值，将显示错误消息。此外，此统计数学方法要求待分析的变量存在一定程度的变化；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。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。2.2.2高/低聚类(Getis-OrdGeneralG)“高/低聚类”工具可返回5个值：GeneralG观测值、GeneralG期望值、方差、z得分及p值。2.2.3多距离空间聚类分析（Ripley'sK函数）的计算2.2.3多距离空间聚类分析(Ripley'sK函数)•确定要素（或与要素相关联的值）是否显示某一距离范围内统计意义显著的聚类或离散。2.2.3多距离空间聚类分析(Ripley'sK函数)•确定要素（或与要素相关联的值）是否显示某一距离范围内统计意义显著的聚类或离散。2.2.3多距离空间聚类分析(Ripley'sK函数)工具输出是一个包含以下字段的表：ExpectedK和ObservedK分别包含K预期值和K观测值。DiffK字段包含K观测值与K预期值的差值。如果指定了置信区间选项，则附加字段LwConfEnv和HiConfEnv也将包含在输出表中。这些字段包含工具的每个迭代（由距离段数量参数指定）的置信区间信息。K函数还可以创建图层汇总结果。如果特定距离的K观测值大于K预期值，则与该距离（分析规模）的随机分布相比，该分布的聚类程度更高。如果K观测值小于K预期值，则与该距离的随机分布相比，该分布的离散程度更高。如果K观测值大于HiConfEnv值，则该距离的空间聚类具有统计学上的显著性。如果K观测值小于LwConfEnv值，则该距离的空间离散具有统计学上的显著性。启用以图形方式显示结果参数可以创建汇总工具结果的折线图。预期结果以蓝线表示，而观测结果则以红线表示。观测线在预期线之上表明数据集在该距离内表现为聚类。观测线在预期线之下表明数据集在该距离内表现为离散。折线图以图层方式创建。2.2.3多距离空间聚类分析(Ripley'sK函数)工具输出是一个包含以下字段的表：ExpectedK和ObservedK分别包含K预期值和K观测值。DiffK字段包含K观测值与K预期值的差值。如果指定了置信区间选项，则附加字段LwConfEnv和HiConfEnv也将包含在输出表中。这些字段包含工具的每个迭代（由距离段数量参数指定）的置信区间信息。K函数还可以创建图层汇总结果。如果特定距离的K观测值大于K预期值，则与该距离（分析规模）的随机分布相比，该分布的聚类程度更高。如果K观测值小于K预期值，则与该距离的随机分布相比，该分布的离散程度更高。如果K观测值大于HiConfEnv值，则该距离的空间聚类具有统计学上的显著性。如果K观测值小于LwConfEnv值，则该距离的空间离散具有统计学上的显著性。启用以图形方式显示结果参数可以创建汇总工具结果的折线图。预期结果以蓝线表示，而观测结果则以红线表示。观测线在预期线之上表明数据集在该距离内表现为聚类。观测线在预期线之下表明数据集在该距离内表现为离散。折线图以图层方式创建。2.2.4空间自相关(GlobalMoran'sI)的计算2.2.4空间自相关(GlobalMoran'sI)的计算2.2.4空间自相关(GlobalMoran'sI)•“空间自相关”工具将返回五个值：Moran'sI指数、预期指数、方差、z得分及p值。•用z得分或p值指示统计显著性时，如果Moran‘sI指数值为正则指示聚类趋势，如果Moran’sI指数值为负则指示离散趋势。GlobalMoran'sI工具通过计算z得分和p值来指示您是否可以拒绝零假设。此种情况下，零假设表示要素值随机分布于研究区域中。2.2.5z得分和p值大多数统计检验在开始时都首先确定一个零假设。模式分析