方式,就是所谓的空间关系的概念化。选择了CONTIGUITY_EDGES_CORNERS,共边共点都被视为邻接要素。Р Р3、在结果栏中,双击生成的*.html的页面, 弹出如下Р三、数据分析Р1、理论知识Р(1)零假设(null hypothesis),有时候又称原假设,你在检验你的结果之前,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,如果你的真实结果偏离了你设定的区间,就表示发生了小概率事件。这样你原来的假设就不成立了。如果你的计算结果落在-2到2之间,就表示你的假设是可以接受得,但是不在这个范围内,就说明消息小概率事件了。既然有小概率事件,就说明两种可能:1,你的假设有错误;2,出现了异常值。Р(2)p值和Z得分Рp值代表数据来源的可靠性,z得分和莫兰指数都表示此数据有明显的规律。p值(P-Value,Probability,Pr),代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中,p值表示所观测到的空间模式是由某一随机过程创建而成的概率。如果是0.1,就表示只有10%的可能性是随机生成的结果。P值要小于0.1.Р标准差能反映一个数据集的离散程度,Z得分,就是标准差的倍数(有正负之分)Р(3)置信度Р要进行数据分析,我们首先就要设立一个置信度,也就是说,你要设定你的数据,起码要有多大的可能性,被落在你期望的区间内。Р2、结果分析Р数据分布出现显著的随机分布特性,无法拒绝零假设,无分析价值。Р 数据分布仅有小于10%的可能是随机分布的,出现数据聚集的可能性大于随机分布的可能性,但是不能显著的拒绝零假设。(p值为0.09)Р数据分布仅有小于5%的可能是随机分布的,出现数据聚集的可能性大于随机分布的可能,且能够显著的拒绝零假设。此结果表示XX数据的空间分布,出现一定的聚集特征,且具有空间正相关模式,用于分析的值与空间聚集度成正比。
全文预览
