Tag: Spatial Statistics

0

空间统计(五)诊断回归分析结果

为了理解、解释、预测某个问题,我们会进行回归分析。上一篇中提到了回归模型中的因变量和解释变量的概念,用一组解释变量来建模解释因变量,但事实上,选择一组优质的解释变量并不是那么容易。通常我们会根据一些常识、理论基础、某些研究、专家的意见、参考文献等等选择一组解释变量,来进行解释变量的筛选。在ArcGIS Desktop中,当我们使用 普通最小二乘法(OLS)执行回归分析的时候,工具会进行诊断测试,提

0

空间统计(四)回归分析探索

在上一篇文章中,我提到的这些工具都是用于研究数据有什么样的空间模式,哪里聚类?哪里是热点?哪里有冷点?哪里有异常值?等等,总之研究的是“生米煮成熟饭”的结果状态。 而“空间关系建模”工具箱中的工具,更倾向于研究 Why? 例如,为什么会出现这种情况? 或者说什么导致了这种情况。这时我们就可以使用工具进行回归分析,如:普通最小二成法(OLS) 和 地理加权回归(GWR)。 你可能会问,为什么要进行

0

空间统计(三)聚类分布制图

这组工具中包含众所周知的热点分析工具,通过这个工具我们能捕获到大量数据中的热点和冷点,对我们分析问题有很大的帮助。例如,在犯罪分析中,我们可以研究哪些位置犯罪频繁并且聚集,对增设警力有重要的辅助作用。工具集中的其他工具也有类似的作用,都是通过执行聚类分析来识别具有统计显著性的热点、冷点和空间异常值的位置。 依照惯例,我们还是 one by one 来看。 Similarity Search相似

0

空间统计(二)分析模式 B

这一篇具体看分析模式工具集中的具体工具,整理这一篇的目的,不是要读者了解每个工具的背后使用了多么高级的算法,运用了多么庞大的公式,而是一起了解这些工具究竟可以为我们研究什么样的空间数据分布模式,当需要探索数据的空间性质时,知道应该如何去应用这些分析工具。 Average Nearest Neighbor平均最近邻工具通过计算每个要素与其最邻近要素之间的距离来计算最近邻比率。如果最近邻比率小于 1

0

空间统计(二)分析模式 A

有时对于数据量较大的地理数据,我们希望通过一定的统计方法将空间模式量化,从而获知这些地理数据在空间上是聚合的、还是离散的、还是随机的等。 在了解如上工具之前,有一些空间统计学的基本知识还是要先搞明白,磨刀不误砍柴工,那就开始吧。 零假设、P值、Z得分、置信度 分析模式工具集中的工具都采用“推论统计学”,先确定一个零假设,也就是假设要素或与要素相关的值都表现为空间随机模式—— Complete

0

空间统计(一)度量地理分布

ArcGIS Desktop 中有一个包含了一系列用于研究空间分布(spatial distribution)、空间模式(spatial pattern)、空间关系(spatial relationship)的统计的工具箱 —— Spatial Statistics Toolbox。这与普通的统计方法不同,空间统计将许多地理空间的概念融入到统计算法逻辑中,例如:邻域(proximity),面积(a

0

我们可能会遇到的距离量算方法

在看空间统计相关的文档资料的时候,看到了几个有关距离丈量方法的术语词汇,诸如:欧式距离、曼哈顿距离、切比雪夫距离…… 老外习惯于使用名字来命名算法,可是对于门外汉们,是一种困惑,今天就整理下,一起温故知新。 1. 欧式距离(Euclidean Distance)欧式距离是我们在直角坐标系中最常用的距离量算方法,例如小时候学的“两点之间的最短距离是连接两点的直线距离。”这就是典型的欧式距离量算方