空间相关分析(三) 局部莫兰指数的理解与计算

2023-12-05 05:08

本文主要是介绍空间相关分析(三) 局部莫兰指数的理解与计算,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        在上篇中,我们详细地阐述了全局莫兰指数(Global Moran’I)的含义以及具体的软件实操方法。今天,就来进一步地说明局部莫兰指数(Local Moran’I)的含义与计算。

        首先说明一下进行局部相关分析的必要性:

  1. 在全局相关分析中,如果全局莫兰指数显著,我们即可认为在该区域上存在空间相关性。但是,我们还是不知道具体在哪儿些地方存在着空间聚集现象。这个时候就需要局部莫兰指数参与帮助说明。
  2. 即使全局莫兰指数为0,在局部上也不一定就没有空间聚集现象!(上篇博客中,学生的成绩的例子足以说明,在此不再赘述)

目录

        • 一、公式说明
        • 二、Moran'I散点图
        • 三、LISA聚集图

一、公式说明

        还是先从公式入手进行理解,相比全局莫兰指数,局部莫兰指数的计算方式要简洁许多,其计算方式如下:
I i = Z i S 2 ∑ j ≠ i n w i j Z j \mathit{I_{i}=\frac{Z_{i}}{S^2}\sum\limits_{j\not=i}^{n}w_{ij}Z_{j}} Ii=S2Zij=inwijZj
        其中, Z i = y i − y ˉ Z_{i}=y_{i}-\bar{y} Zi=yiyˉ Z j = y j − y ˉ Z_{j}=y_{j}-\bar{y} Zj=yjyˉ S 2 = 1 n ∑ ( y i − y ˉ ) 2 S^2=\frac{1}{n}\sum{(y_i-\bar{y})^2} S2=n1(yiyˉ)2 w i j w_{ij} wij为空间权重值, n n n为研究区域上所有地区的总数, I i I_{i} Ii则代表第 i {i} i个地区的局部莫兰指数。为了方便理解,这里的 y i ( j ) y_{i(j)} yi(j)还是代表第 i ( j ) i(j) i(j)地区的人均GDP,并将求和号展开( S 2 S^2 S2总是正的,相当于只是对整个式子进行标准化而已,故这里省略了):
I i = ( y i − y ˉ ) [ w i 1 ( y 1 − y ˉ ) + w i 2 ( y 2 − y ˉ ) + . . . w i ( i − 1 ) ( y i − 1 − y ˉ ) + w i ( i + 1 ) ( y i + 1 − y ˉ ) + . . . + w i n ( y n − y ˉ ) ] I_{i}=(y_{i}-\bar{y})[w_{i1}(y_{1}-\bar{y})+w_{i2}(y_{2}-\bar{y})+...w_{i(i-1)}(y_{i-1}-\bar{y})+w_{i(i+1)}(y_{i+1}-\bar{y})+...+w_{in}(y_{n}-\bar{y})] Ii=(yiyˉ)[wi1(y1yˉ)+wi2(y2yˉ)+...wi(i1)(yi1yˉ)+wi(i+1)(yi+1yˉ)+...+win(ynyˉ)]

        从上式不难看出, I i I_{i} Ii的正负取决于 y i − y ˉ y_{i}-\bar{y} yiyˉ和后面那一坨。前者可反映出第 i i i个地区的经济发展水平与整个区域的平均水平之间的高低情况,后者则反映出第 i i i个地区的周边地区与整个区域水平之间的高低情况。两个式子都有高低两种可能性,两两组合,共有四种情况。

以表格的方式呈现如下:

Z i Z_{i} Zi ∑ j ≠ i n w i j Z j \sum\limits_{j\not=i}^{n}w_{ij}Z_{j} j=inwijZj I i I_{i} Ii含义
>0>0>0第i个地区经济发展水平高,周边地区发展水平高
<0<0>0第i个地区经济发展水平低,周边地区发展水平低
<0>0<0第i个地区经济发展水平低,周边地区发展水平高
>0<0<0第i个地区经济发展水平高,周边地区发展水平低

关于局部莫兰指数的范围问题在此进行说明:
大部分文献中指出的莫兰指数都是全局莫兰指数,它的范围是-1到1,而局部莫兰指数的范围是没有限制的!详细可参考王庆喜的《区域经济研究实用方法:基于Arcgis,Geoda和R运用》,如下图所示:
在这里插入图片描述

二、Moran’I散点图

当然,将上表内容以可视化的方式呈现,就得到了Moran’I散点图。以 Z i Z_{i} Zi为x轴, ∑ j ≠ i n w i j Z j \sum\limits_{j\not=i}^{n}w_{ij}Z_{j} j=inwijZj为y轴,将平面区域划分为四个象限,如下图所示:
在这里插入图片描述
这里还是以2018年人均GDP为基础数据,利用Geoda进行局部相关分析。操作过程如下:
导入空间权重矩阵——空间分析——单变量局部Moran’I分析
在这里插入图片描述
选择PGDP2018后,弹出以下对话框,这里我们先选择Moran散点图
在这里插入图片描述
细心地小伙伴可能会发现,下面这张图和全局莫兰指数得到的图是一样的!(emm.上面的那个moran’I 是全局莫兰指数,下面这些散点的横纵坐标的乘积就是各个区县的局部莫兰指数。相当于,一张图涵盖了两种指数的信息。
在这里插入图片描述
        简单对这张图分析一下:从局部相关的角度来看,第一、三象限的点明显多于第二、四象限的点,即表示"低—低"型和"高—高"型聚集的区县较"高—低"型、"低—高"型的区县更多。更简单地来说,即经济较低(高)的区县在空间上更易聚集。从差异的角度来看,若"低—低"型和"高—高"型区县数量多,即说明此时的空间差异较小。(类比,你胖,周围人也胖,是不是你就胖的不明显啦

顺便提一下,既然全局莫兰指数和局部莫兰指数都称莫兰指数,两者肯定是有关系的,数学公式表达如下:
I = ∑ i I i S 0 ∑ i Z i n I=\frac{\sum\limits_{i}I_{i}}{S_{0}\frac{\sum\limits_{i}{Z_i}}{n}} I=S0niZiiIi

更多详细的内容,有兴趣的小伙伴可参考:
Anselin L . Local Indicators of Spatial Association—LISA[J]. Geographical analysis, 1995, 27(2):93-115.

三、LISA聚集图

说到这儿,好像还没说局部莫兰指数怎么检验吧!其实,检验方法一样还是利用Z检验:
Z i = I i − E ( I i ) v a r ( I i ) Z_{i}=\frac{I_{i}-E(I_{i})}{\sqrt{var(I_{i})}} Zi=var(Ii) IiE(Ii)
其实,上面那个moran’I散点图并没有对各个区县的局部莫兰指数进行检验,LISA聚集图在就在给定的显著性水平下,对于那些通过显著性检验的区县以地图的方式呈现出来,绘制的LISA聚集图如下:

左图为重庆市区县经济发展水平LISA聚集图,右图为行政区地图

Geoda就这一点不好,没法将区县名显示在LISA聚集图上。(有该需要的可以用Arcgis实现

从上图不难看出,重庆市经济发展水平较高的都聚集在渝西南地区,经济水平较低的大多聚集在渝东北地区,少部分聚集在渝东南地区,此外,"高-低"型和"低-高"型聚集区县并没有呈现出来。(若想更全面地展现经济水平聚集情况,光是人均GDP这一个指标肯定是远远不够的)

以上就是本次分享的全部内容~

这篇关于空间相关分析(三) 局部莫兰指数的理解与计算的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/456274

相关文章

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

从原理到实战深入理解Java 断言assert

《从原理到实战深入理解Java断言assert》本文深入解析Java断言机制,涵盖语法、工作原理、启用方式及与异常的区别,推荐用于开发阶段的条件检查与状态验证,并强调生产环境应使用参数验证工具类替代... 目录深入理解 Java 断言(assert):从原理到实战引言:为什么需要断言?一、断言基础1.1 语

MySQL之InnoDB存储页的独立表空间解读

《MySQL之InnoDB存储页的独立表空间解读》:本文主要介绍MySQL之InnoDB存储页的独立表空间,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、独立表空间【1】表空间大小【2】区【3】组【4】段【5】区的类型【6】XDES Entry区结构【

MySQL中的表连接原理分析

《MySQL中的表连接原理分析》:本文主要介绍MySQL中的表连接原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、环境3、表连接原理【1】驱动表和被驱动表【2】内连接【3】外连接【4编程】嵌套循环连接【5】join buffer4、总结1、背景

python中Hash使用场景分析

《python中Hash使用场景分析》Python的hash()函数用于获取对象哈希值,常用于字典和集合,不可变类型可哈希,可变类型不可,常见算法包括除法、乘法、平方取中和随机数哈希,各有优缺点,需根... 目录python中的 Hash除法哈希算法乘法哈希算法平方取中法随机数哈希算法小结在Python中,

Java Stream的distinct去重原理分析

《JavaStream的distinct去重原理分析》Javastream中的distinct方法用于去除流中的重复元素,它返回一个包含过滤后唯一元素的新流,该方法会根据元素的hashcode和eq... 目录一、distinct 的基础用法与核心特性二、distinct 的底层实现原理1. 顺序流中的去重

关于MyISAM和InnoDB对比分析

《关于MyISAM和InnoDB对比分析》:本文主要介绍关于MyISAM和InnoDB对比分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录开篇:从交通规则看存储引擎选择理解存储引擎的基本概念技术原理对比1. 事务支持:ACID的守护者2. 锁机制:并发控制的艺

CSS实现元素撑满剩余空间的五种方法

《CSS实现元素撑满剩余空间的五种方法》在日常开发中,我们经常需要让某个元素占据容器的剩余空间,本文将介绍5种不同的方法来实现这个需求,并分析各种方法的优缺点,感兴趣的朋友一起看看吧... css实现元素撑满剩余空间的5种方法 在日常开发中,我们经常需要让某个元素占据容器的剩余空间。这是一个常见的布局需求

Python并行处理实战之如何使用ProcessPoolExecutor加速计算

《Python并行处理实战之如何使用ProcessPoolExecutor加速计算》Python提供了多种并行处理的方式,其中concurrent.futures模块的ProcessPoolExecu... 目录简介完整代码示例代码解释1. 导入必要的模块2. 定义处理函数3. 主函数4. 生成数字列表5.

CSS3中的字体及相关属性详解

《CSS3中的字体及相关属性详解》:本文主要介绍了CSS3中的字体及相关属性,详细内容请阅读本文,希望能对你有所帮助... 字体网页字体的三个来源:用户机器上安装的字体,放心使用。保存在第三方网站上的字体,例如Typekit和Google,可以link标签链接到你的页面上。保存在你自己Web服务器上的字