空间自相关（空间自相关moran I指数）

by intanet.cn ca 后端 on 2024-03-31

今天给各位分享空间自相关的知识，其中也会对空间自相关moran I指数进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

自变量相关：y与自变量X有关，也就是最简单的线性回归模型。与相邻地区x的空间自相关：y与相邻地区的其它x有关系。举个例子：你知道你考不好，你妈会揍你。你考不好就是x，妈揍你是y。

研究变量是研究者所需要的研究与测量的随条件变化而变化的因素。变量是指在质或量上可以变化的概念或属性，即会变化的、有差异的因素。变量是相对于常量而言的。变量主要包括三种类型：自变量、因变量、无关变量。

若其分析之统计量系为不同观察对象之同一属性变量，则称之为「自相关」（autocorrelation）。

简单地说，SDM分成三个部分：与相邻地区y的空间自相关：W为空间权重矩阵，显示y与相邻地区的其它y有关系。自变量相关：y与自变量X有关，也就是最简单的线性回归模型。与相邻地区x的空间自相关：y与相邻地区的其它x有关系。

若其分析之统计量系为不同观察对象之同一属性变量，则称之为「自相关」（autocorrelation）。

空间自相关分析在地理统计学科中应用较多，现已有多种指数可以使用，但最主要的有两种指数，即Moran的I系数和Geary的c系数。

地理要素空间相互影响，自相关是一种不容忽视的影响因素。如某个城市在一段时期内，其它影响城市发展因素不变，城市经济结构通常也不变，若城市经济规模发生了较大变化，即因城市本身经济自身相关发挥较大作用所致。

且若将全域型不同的空间间隔（spatial lag）的空间自相关统计量依序排列，还可进一步作空间自相关系数图（spatial autocorrelation coefficient correlogram），分析该现象在空间上是否有阶层性分布。

1、空间自相关分析一般涉及3个步骤（Cliff和Ord，1981；Good-child，1986）：①取样，②计算空间自相关系数或建立自相关函数，③自相关显著性检验。空间自相关系数有数种，分别适合于不同数据类型。

2、空间自相关分析的目的是确定某一变量是否在空间上相关，其相关程度如何。空间自相关系数常用来定量地描述事物在空间上的依赖关系。具体地说，空间自相关系数是用来度量物理或生态学变量在空间上的分布特征及其对领域的影响程度。

3、是故，所谓的空间自相关（spatial autocorrelation）乃是研究「空间中，某空间单元与其周围单元间，就某种特徵值，透过统计方法，进行空间自相关性程度的计算，以分析这些空间单元在空间上分布现象的特性」。

4、表明地理单元i与其周围区域的属性值差别较大，即存在着一种空间负相关现象。Local Moran′s I可以看作是Global Moran′s I的各区域分量，它反映了各区域的空间自相关现象对区域整体空间自相关的影响程度。

空间自相关的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于空间自相关moran I指数、空间自相关的信息别忘了在本站进行查找喔。