空间分布模式与空间相关分析课件.docVIP

实习序号和题目 空间分布模式与空间相关分析 实习人 专业及编号 实习目的： 熟悉和掌握 Spatial Statistics Tools 里的基本工具，对所给数据进行空间分析。 实习内容： 1. 参考文献《多尺度人口增长的空间统计分析》 ，练习多距离 L(d) 、全局 Moran’ I 与 G *统计量分析，显著性检验的置信区间定义为 90%； 2. 对adabg00数据进行全局与局部的 moran I 与G统计量分析； 3. 对deer 数据进行基于距离的最近邻分析与 L(d) 分析； 实习数据： 1. 省区.shp ：中国各省分布图 2. 各省第 5 次和第 6 次人口普查：各省人口普查数据 deer.shp ：鹿场点分布图 3.adabg00.shp: 爱达荷州阿达各街区 2000 年人口普查数据 基本原理： 空间分布的模式一般来说，有三种，分别是离散、随机、和聚合。离散的概 念就是指观测的每个数据之间的差异程度， 离散程度越大， 差异性就越大。 聚合 与离散正好相反， 表示在一定区域内的相关程度， 就是聚合程度越大， 相关性就 越大。随机是纯粹的无模式， 既不能从随机数据中获取结论， 也发现不了规律和 模式。 1. 零假设（null hypothesis ）：指进行统计检验时预先建立的假设。在空间统计 中，零假设指的就是空间位置在一定区域里面呈现完全随机（均匀）分布。在检 验结果之前， 先对这些结果假设一个数值区间， 这个区间一般是符合某种概率分 布的情况， 如果真实结果偏离了设定的区间， 就表示发生了小概率事件。 这样原 来的假设就不成立了。 如果计算结果落在 -2 到 2 之间，就表示假设是可以接受，但是不在这个范围内， 就说明发生小概率事件了。有两种可能： 1，假设有错误； 2，出现了异常值。 2.z 得分（Z scores ）表示标准差的倍数 标准差：总体各单位标准值与其平均数离差平方的算术平均数的平方根” 也就是 “标准差能反映一个数据集的离散程度” 。比如 z 得分是+2.5 ，得到的结果是标 准差的正 2.5 倍，表示数据已经高度聚集。反之，如果是 -2.5, 那么就表示标准 差的负 2.5 倍，就是高度离散的数据。 置信度：数据落在期望区间的可能性 在统计学中，一个概率样本的置信区间（ Confidence interval ）是对这个样本 的某个总体参数的区间估计。 置信区间展现的是这个参数的真实值有一定概率落 在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度。 这个概率被称为置信水平。 置信水平是指总体参数值落在样本统计值某一区内的 概率；而置信区间是指在某一置信水平下， 样本统计值与总体参数值间误差范围。 置信区间越大，置信水平越高。 3. 在空间统计分析中，通过相关分析可以检测两种现象（统计量）的变化是否 存在相关性， 若所分析的统计量为不同观察对象的同一属性变量， 则称之为自相 关。而空间自相关反映的是一个区域单元上的某种地理现象或某一属性值与邻近 区域单元上同一现象或属性值的相关程度， 是一种检测与量化从多个标定点中取 样值变异的空间依赖性的空间统计方法。当变量在空间上表现出一定的规律性， 即不是随机分布则存在着空间自相关， 空间自相关理论认为彼此之间距离越近的 事物越相像。也就是说，空间自相关是针对同一个属性变量而言的。 4. 空间自相关方法按功能大致分为两类： 全域型自相关和区域型自相关。 全域型 自相关的功能在于描述某现象的整体分布状况， 判断此现象在空间是否有聚集特 性存在，但其并不能确切得指出聚集在哪些地区， 若将全域型不同空间间隔的空 间自相关统计量依序排列， 可进一步得到空间自相关系数图， 用于分析该现象在 空间上是否有阶层性分布。区域型自相关能够推算出聚集地的范围。 5. 最近邻分析 是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。 最近邻指 数是平均观测距离和平均期望距离之比。如果小于１，则要素呈现空间聚集式； 如果大于１， 则要素呈现空间离散模式或竞争模式。 最近邻分析并没有考虑到属 性特征，只是根据空间位置。 6.Moran’s I 法 高的自相关性代表了空间现象聚集性的存在， 空间自相关分析的主要功能在于同 时可以处理数据的区位和属性。全域型 Moran’s I 计算方式是基于统计学相关 系数的协方差关系推算出来的。 I 值一定介于 -1 到 1 之间，大于 0 为正相关， 且值越大表示空间分布的相关性越大，即空间上聚集分布的现象越明显，反之， 值越小代表空间分布相关性小，而当值趋于 0 时，代表此时空间分布呈现随机 分布的情形。 若 I 值大于 0 ，说明相邻地区拥有相似的数据属性， 属性值高或 低的地区都有聚集现象；若 I 小于 0