空间自相关分析的一些关键问题.docVIP

空间自相关 一权重 计算权重的方法有很多种~ ARC/NOF 可以自动生成拓扑关系 ，可以自动生成多边形地图的连接矩阵（空间权重矩阵的生成方法分析与实验①） 倒数法 1 二进制矩阵算法 2 3 二全局空间自相关 还有多种表现方式 二 By construction the slope of the line in the scatter plot is equivalent to the Morans I coefficient.通过建设中的散点图中的直线的斜率等于莫兰的I系数（全局空间自相关）。 The latter is a well-known statistic that accounts for the Global spatial autocorrelation. If that slope is positive it means that there is positive spatial autocorrelation: high values of the variable in location i tend to be clustered with high values of the same variable in locations that are neighbors of i , and vice versa 三局部空间自相关 何谓属性值标准化形式 1局部自相关系数专题图 2局部自相关聚类分析图 如何转换 转换方法~ 图的右上方的第1象限，表示高集聚增长的地区被高集聚的其他地区所包围（HH），代表正的空间自相关关系的集群；左上方的第2象限，表示低集聚增长的地区被高集聚增长的其他地区所包围(LH)，代表负的空间自相关关系的集群；左下方的第3象限，表示低集聚增长的地区被低集聚增长的其他地区所包围(LL)，代表正的空间自相关关系的集群；右下方的第4象限，表示高集聚增长的地区被低集聚增长的其他地区所包围(HL)，代表负的空间自相关关系的集群。第1、第3象限正的空间自相关关系揭示了区域的集聚和相似性，而第2、第4象限负的空间自相关关系揭示区域的异质性。如果观测值均匀地分布在4个象限则表明地区之间不存在空间自相关性。 邻近值的加权平均值为Y轴！！！！！ 二 空间操作 一普通的空间操作 包括 ：放大、缩小、全幅显示、漫游、自由缩放、鹰眼 二地图信息的多风格显示 直方图 分级图 点状图 三数据操作 数据编辑（主要是针对属性表，包括删除、修改、新数据的生成） 数据导出：选定一定区域（用不同的工具，多边形，圆，折线等）导出对应区域的属性表。 空间关联分析平台 必胜！！！ 关于全局聚类系数的算法 G;聚类系数, Ki代表i地区属性值，KJ代表j地区的属性值。N表示选定地区个数，—uK 表示选定区域各地区属性值占总体区域总属性质的比例的平均值。 以下是横来那个标准。 空间是否相关的检测标准 根据Mroan’s I指数的计算结果，可采用正态分布假设进行检验n个区域是否存在空间自相关关系，其标准化形式为： （4） 根据空间数据的分布可以计算正态分布Moran’I指数的期望值及方差： （5） 式中，分别为空间权值矩阵中行和列之和。 公式（4）、（5）可以用于检验n个区域是否存在空间自相关关系。如果Mroan’s I指数的正态统计量的值大于正态分布函数在0.05水平下的临界值1.96，表明金融集聚在空间分布上具有明显的正向相关关系，正的空间相关代表相邻地区的类似特征值出现集群趋势。 积聚图的生成 为进一步分析我国省域金融产业发展的空间集聚特征，本文给出了局域Mroan指数散点图（见图1）。图1展示了空间滞后W_FIN作为纵轴和FIN作为横轴的分布情况。其中，FIN为金融产业的集聚度，W_FIN表示邻近值的加权平均值。根据散点图，可将各个省域金融产业的发展分为4个象限的集群模式，分别识别一个地区及其与邻近地区的关系：图的右上方的第1象限，表示高集聚增长的地区被高集聚的其他地区所包围（HH），代表正的空间自相关关系的集群；左上方的第2象限，表示低集聚增长的地区被高集聚增长的其他地区所包围(LH)，代表负的空间自相关关系的集群；左下方的第3象限，表示低集聚增长的地区被低集聚增长的其他地区所包围(LL)，代表正的空间自相关关系的集群；右下方的第4象限，表示高集聚增长的地区被低集聚增长的其他地区所包围(HL)，代表负的空间自相关关系的集群。第1、第3象限正的空间自相关关