arcgis實(shí)習(xí)之空間統(tǒng)計(jì)分析報(bào)告

1、空間統(tǒng)計(jì)分析實(shí)習(xí)報(bào)告Spatial statistics tools分析模式工具集中的工具采用推論式統(tǒng)計(jì)，以零假設(shè)為起點(diǎn), 假設(shè)要素與要素相關(guān)的值均表現(xiàn)隨機(jī)分布。然后計(jì)算P值說(shuō) 明，這種分布屬于隨機(jī)分布的概率。在應(yīng)用中，返回z得分 和P值判斷是否可以接受或拒絕零假設(shè)，同時(shí)在不同的工具 中，還表示分布是聚集，或分散Nearest Neighbor Ratio: 0.602941z-score: -10.955129 &p-value: 0.000000是標(biāo)準(zhǔn)差的倍數(shù)，在0.5-P的概率下接受隨機(jī)分布的接受域(Rand&m)Significance Level(p-value)Critical V

2、alue (z-score)0.012.58nificantSignificantAverage Nearest Neighbor 最鄰近分析根據(jù)每個(gè)要素預(yù)期最近要素的平均距禽來(lái)訃算最鄰近指數(shù)，當(dāng)指數(shù)大于要素有聚集分布 的趨勢(shì)，對(duì)于趨勢(shì)如何，還要依拯z-value和Pvalue來(lái)判斷，小于1時(shí)，趨向分散分布 最近鄰指數(shù)的表示方法為：平均觀測(cè)距離與預(yù)期平均距離的比率，預(yù)期平均距離是假設(shè)隨機(jī) 分布中領(lǐng)域間的平均距離這種方法對(duì)而積指值非常敏感（期望平均距離計(jì)算中需要而積參與運(yùn)算），如果未指定面積 參數(shù)，則使用輸入要素周圉最小外接矩形的面枳（不一左合坐標(biāo)軸垂直）Spatial Autocorrelat

3、ion （Morans I）空間自相關(guān)分析更具要素位置的屬性使用Global Moranos I統(tǒng)計(jì)量量測(cè)空間自相關(guān)性Morans I是計(jì)算所評(píng)估屬性的均值和方差，然后將每個(gè)要素減去均值，得到與均值的 偏差，將所有相鄰要素的偏差相稱，得到叉積。統(tǒng)計(jì)量的分子便是這些叉積之和。如果相鄰要素的值均大于均值，這叉積為正，如果以要素小于均值而一要素大于均值，則為 負(fù)如果數(shù)據(jù)集中的值傾向于在空間上集聚（高值聚集在髙值附近，低值聚集在低值附近） 則指數(shù)為正，如果髙值排斥高值，傾向于低值，則指數(shù)為負(fù)K函數(shù)分析之后，將訃算期望指數(shù)值，將之與英比較，在給定的數(shù)據(jù)集中的要素個(gè)數(shù)和全部熟知的方差 下，將計(jì)算Z得分和P

4、值，用來(lái)指示次差異是否具有統(tǒng)汁學(xué)上的顯著性Multi-Distance Spatial Cluster Analysis確泄要素（后與之有關(guān)連的值）是否顯示某一距離范國(guó)內(nèi)統(tǒng)汁意義顯著的聚類或離 散基于Riple/s K函數(shù)的多距離空間聚類分析工具是另外一種分析事件點(diǎn)數(shù)據(jù)的空 間模式的方法。該方法不同于此工具集中英他方法（空間自相關(guān)和熱點(diǎn)分析）的特征是可匯 總一定距離范圍內(nèi)的空間相關(guān)性（要素聚類或要素?cái)U(kuò)散）Riple/s K函數(shù)可表明要素質(zhì)心的空間聚類或空間擴(kuò)散在鄰域大小發(fā)生變化時(shí)是如 何變化的。如果特左距離的k觀測(cè)值大于k預(yù)期值，則與該距離下的隨機(jī)分布相比，該分布的 聚集程度更高，反之亦可。如

5、果，k觀測(cè)值大于HIConfEnv,則該距離的空間聚類具有統(tǒng)計(jì) 學(xué)上的顯著性，如果k觀測(cè)值小于LwConFEnv,則該距離的空間離散具有統(tǒng)計(jì)學(xué)上的顯著性 對(duì)于巻信區(qū)間，點(diǎn)的每個(gè)隨機(jī)分布稱為“排列”將一組點(diǎn)隨機(jī)分布多次，將對(duì)每個(gè) 距離選擇相對(duì)預(yù)期k值向下和向上最大的k值，作為置信區(qū)間Anselin Local Morans I 局部 Morans I 分析給定一組加權(quán)要素，使用局部Morans I統(tǒng)計(jì)量來(lái)識(shí)別具有統(tǒng)訃顯著性的熱點(diǎn)，冷點(diǎn)和空間 異常值。Z得分和p值是統(tǒng)計(jì)顯著性的指標(biāo)，用于逐個(gè)要素判斷是否拒絕零假設(shè)。他們可指示表面相 似性和向異性如果要素Z值是一個(gè)較髙的正數(shù)，則表示周圍的要素?fù)碛邢嗨?/p>

6、值，輸出要素Cotype字段會(huì) 將具有統(tǒng)計(jì)顯著性的高值聚類表示為HH,低值聚類表示為L(zhǎng)L如果要素的z得分是一個(gè)較低的負(fù)值，則表示有一個(gè)具有統(tǒng)汁顯著性的空間異常值。輸岀 要素類中的COType字段將指明要素是否是髙值要素而四周用繞的是低值要素（HL）,或者要 素是否是低值要素而四周由繞的是髙值要素（LH）。使用Getis-Ord General G統(tǒng)汁可度捲髙值或低值的聚類程度Z得分越髙或越低，聚類程度就越高，如果z得分接近零，則表示不存在明顯的聚類，為正 表示高值的聚類。為負(fù)表示低值的聚類Hot spot Analysis（Getis-OrdGi*）熱點(diǎn)分析如果給左一組加權(quán)要素，使用Getis

7、-OrdGi*統(tǒng)計(jì)識(shí)別具有統(tǒng)汁顯著性的熱點(diǎn)和冷點(diǎn)如果要素的z得分高且p值小，則表示有一個(gè)髙值的空間聚類。如果z得分低并為負(fù)數(shù) 且p值小，則表示有一個(gè)低值的空間聚類。z得分越高（或越低），聚類程度就越大。如果 z得分接近于零，則表示不存在明顯的空間聚類。AdabgOO模式分析Average Nearest Neighbor 最鄰近分析4 Average Nearest Neighborc 1 回Input Feature Class對(duì)于點(diǎn)數(shù)據(jù)，沒(méi)有明顯的邊ldecr/界，所以默認(rèn)而積計(jì)算（最,1、/L、3回Distance flethodEICUIIEAKJISTAJICE小外接矩形）Gener

8、ate Rupert (opti oral)Area (optional)Average Nearest Neighbor SummaryObserved Mean Distance:25.313385 MetersExpected Mean Distance:41.983181 Metere/Neatest Neighbor Ratio;0.602941z-score:-10.955129p-value:0.000000最鄰近指數(shù)小于仁聚集分布。Z得分為-10.9,對(duì)應(yīng)的P值為0.000000,即這種分布是隨機(jī)的情況概率為0.00000Nearest Neighbor Ratio: 0.60

9、2941z-score: -10.955129 p-value: 0.000000SignificantQ.100.050.01Significance Level (p-value) 0.01 0.05 0.10Random) RandomSignificantD-ispersedCriticalValue(z-score)2.58Given the z-score of 10.96, there is less than 1% likelihood that this clustered pattern could be the result of random chance.Spatia

10、l Autocorrelation (Morans I)空間自相關(guān)分析Global Moran s I Sdrnr聚集分布Morans Index:CLZ00824Expected Index:-0.004831Variance:0.001640z-score:2.608720p-value:0.009088Input Feature ClassInput FieDEER空間關(guān)系模型參數(shù)說(shuō)明空間要素之間的關(guān)系，越接近現(xiàn)實(shí),結(jié)果用戈準(zhǔn)確INVERSEJISTANCEDistance Method指左反距離和固定距離中的 距離參數(shù)，默認(rèn)距離為所有要 素最臨近距離的最大值EUCUDEAWJISTAN

11、CEStandardizationMOKEDi s tonce Bwd oi* TH-cskold Distune, (optional)VGeneratw Report (optional)Weights Matrix File (optional)亙Dataset InformationInput Feature Class:deerInput Field:DEER_Conceptualization:INVERSE_DISTANCEDistance Method:EUCUDEANRow Standardization:FalseDistance Threshold:4034L99 Met

12、ersWeights MatrixNone6 q +1 ELne meewurerrcnt (Flonar) Segment; -405llZ007Met Length: -K3：LR22yMetECritical Value (z-score) v253 -2.58-1.9G *1.96-1.65 -1.65 - 1.651.65 - 1.96 1.96-2.58 2.53DispersedRandomClusteredGiven the z-score of 2.61, there is a less than 1% likelihood that this clustered patte

13、rn could be the result of random chance.Multi-Distance Spatial Cluster Analysis K 函數(shù)分析通過(guò)Calculate Distance Band From Neighbor count計(jì)包含一個(gè)近鄰點(diǎn)的最大距離，作為k函 數(shù)的起始距離。將最近鄰距離的期望距離作為間隔Output TableE： firc5i K shixi lo曲戲析Mcuncati anNwnbcr o Di ztcmcc Bonds叵10U1100Compute Coni dexvce Envelope (opti on&l)曲 _FE 珊 UT

14、AHONSl3 Display Results Graphically (optional)Weight Field (optional)Beginning Distanue (optional)N3NEStudy Area Het hod (op ti onal)MINIMW_ENCLOSIMG_RECTANGLEStudy Area Feature Class (optigal)OK I I Carrel En/ironmerits.Hide HelpKFunctionK Function-t缺 EcdK f ObuwecXConfidenceEnvL(d)z,ooC50300250200

15、uspersa在此距離以內(nèi)，均為集聚，但大于 這距離，分布變?yōu)榉稚⑶遥奂哂薪y(tǒng)計(jì)意義上的聚集, 離散并未具有統(tǒng)汁意義上的顯著 性Anselin Local Morans I 局部 Morans I 分析FID19Shape SOURCB IDDEBRLMilndcsLMiZScorcLMiPValae.10：04.lO：2419133. 43402FO1760H丫二二丁 ITcTrXr - i：t由index II z得分決宦Getis-Ord General G4.448494. 3495S4. 1035LL0011450000113. 22439.001250LL V C394G.002

16、2-0KH8646.004175LL78451.00335?HH2 7G01005-73t2. 7427LL2. 63701.007554KHMl高低聚類分析(z-score)2.53Critical ValueLow ClustersRandomHigh-ClustersGiven the z-score of 3.98, there is a less than 1% likelihood that this high-clustered pattern could be the result of random chance.Hot spot Analysis(Getis-OrdGi*)

17、熱點(diǎn)分析Input Feature Class|deerInput FieldDEER.Output Feature ClassE:arcgis_shixiex3分析spotl. shp回Coneeptualization of Spatial RelationshipsDistance MethodEirCLIDEAWJDISTMICEStand ardiza tionNONEDistance Band or Threshold Distance (optional)405Self Potential Field (optional)Weights Matrix File (optional

18、)FIDShape *SOURCBIDDEERGiZScoreGiPValue126Point1262273.15528.00160314Point1415-3.O71S7.002127141Point141142-3.0251.002400G4Po-in 七6465-2.95926.0030S4G2Point62G3-2.92538 003331193Po-int193194-2.9353S.003331104Point1041052. 7139.00G50138Faint13&132. 7139.00665019Fo-int1920-2.71006.00672779Point73802.7

19、0103.00691396Point96972.70bS.006913116Fo-int116117.006913177Point17717&27Q13.006913、Vr JIV Wspot/fP值小，z得分越大，高值聚集Z得分越小，低值聚集ooQgo22 2o o MS* S 2 2233 OOQOO OO QOQo呂 S . f。oLE0=odedabBOOAdabgOO模式分析AdabgOO屬性結(jié)構(gòu)adabgOOXTRACTGROUPSTFIDtotalhisanicLatinoareadenity 0001W11OC100010C1114I4.983 6S6751745.774S69

20、0001W2:00100010025925. 5741.40925420. CSCS15000131C0C100C10C313374. 8622.1243229. 37544OO2W1iooiooo2Gi19)342. 3333. 38G87549. 544973000282100100C20C21781J3.08811.88176149. 8935C50002W3:0010002003821:3. 23996681849.176870002M4l0C100C2CC4946:2. 537.650612454.0C59120002W5l0C100C2OC5135043. 25917.997127

21、5.01197100026:001000200613092. 52111.17963117.CS788000301110010003C11210015. 3332. C35631031.6193820003012：0010003C12288：1:4. 5471. 52410!1890.2892900030131C0010003C1336431(2. 912.626601386.959474V*rfffl3li.6s -1.6S - X.6S-1.96 - 2.5SOi.pwar-.wcJRMndont 2.38Given the z-score of 15.44z there is 0 les

22、s than 1 % likelihood that this clustered pattern could be the result of random chance.可以看到，adage的人口有聚集分布的態(tài)勢(shì)Hot SicnificaxtHLZ使用局部Moranos I判斷熱點(diǎn)，冷點(diǎn)和異常值（聚集類型）idagejoc 合 I mor anFIDSluspe *SOURCE IDdenityLMiIndexLMiZScoreLMiFValueCTypePolyjon4：49. 892505009286-7. 1621LH5PolygoncS49. 17G37OOG95T-3. 2729

23、7.O0：C-GLH7Polygon75. 0113F100456弋.0483.(XKXXXLH8Polygon6117. 037 B5oxsr-4. 38203.W0Q0：LH31Polygon3：542. 715807002X-3.94224656GSLH34Polygon34157. 068517007 Bl 1-G. 57503LH54Polrcon54418. 9433 茹006B52-3.8135.OOC-23：LH56Polrron:833. 68421OO3M3-2.0310604224LHfixPolygonS：7.CS5847OO7X5T-3. 174G260:50(LH8

24、3Polygon2739. 271743005452.235B5.02536LH83Polygon8：41. 1877550-03453-7.09175i 冒 目(0 out of 147 Selecxed)Legend藍(lán)色和紫色為異常值區(qū)域紅色為髙值聚集地區(qū)藍(lán)色為低值聚集地區(qū)MiK/Lowforint 使用G統(tǒng)計(jì)量計(jì)算總體聚集程度General G SummaryObserved General G:0.000235Expected General G:0.000172Variance:0.000000z score:9.922326p-value:0.000000Critical Valu

25、e (z-score) 2.58Low ClustersRandomHiqh-ClustersCritical Value (zscore) 2.58DispersedRandomClusteredFTDShaoe SOURCE.IDL8tinoLMiIndexLMiZScoreLWiPValueCOTyoe117Polycon1171. 227.0010232.4449G.014481LL60Polygon60904-.021271-8. 83C2LH79Polygon79N. 077-.006007-2.3&083.00 眈LHS6Polygon851. 844-.OC1553-1.978

26、37.04788LH一11118Polygon 1 Polygon11113S. 2666.85-.OC3757-2,6939600706：1.00743：HLHE4650PolrecnPolygcn4650HHXH54Polyscn54泉隼舉型和人口分布相同戈HH35Polygon5HH56Polygon56有異常值、HH6163PolygonPolygon6163proCoxxX 03149(HEHE471Polygon Polygon6471S. 15T17. 226.八一.007575452112.51163ooooo:HEHH72Polygcn72. 644.OC772.4975273Polygon738. 314.0102483