莫蘭指數
![本頁使用了標題或全文手工轉換](http://images.weserv.nl/?url=//upload.wikimedia.org/wikipedia/commons/thumb/c/cd/Zh_conversion_icon_m.svg/35px-Zh_conversion_icon_m.svg.png)
![](http://images.weserv.nl/?url=//upload.wikimedia.org/wikipedia/commons/thumb/7/70/Checkerboard_pattern.svg/220px-Checkerboard_pattern.svg.png)
統計學中,莫蘭指數(Moran's I)是Patrick Alfred Pierce Moran提出的一種空間自相關度量。[1][2]空間自相關即空間中鄰近的位置之間存在相關性。空間自相關比一維自相關更複雜,因為空間相關性是多維的(即空間的二維或三維)和多方向的。
全局莫蘭指數
全局莫蘭指數(I)是對空間數據的整體聚集的度量,其定義如下:
其中:
- 是空間單元的個數;
- 和是兩個空間單元的索引編號;
- 是相關變量;是的平均值;
- 是空間單元和之間關係的空間權重,主對角線上取值為0(即);
- 是所有的總和。
定義空間權重矩陣
I的值可能很大程度上依賴空間權重矩陣{wij}中的假設。之所以需要該矩陣,是因為在處理空間自相關和建立空間相互作用模型時,需要約束予以考慮的鄰居的數量。這與托布勒的地理學第一定律有關,該定律指出,所有事物都是相關的,但更接近的事物更相關——換句話說,該定律表明空間中存在距離衰減,儘管所有觀測值都對其他觀測值有影響,但在某個距離閾值後,其影響已經微弱得可以忽略不計。
其思路是構建一個矩陣,以準確地反映對討論的特定空間現象的假設。一種常見的做法是,如果兩個空間單元是鄰居,則權重為1,否則為0(但「鄰居」的定義可能會有所不同)。另一種常見的方法可能是給k個最近的鄰居賦予1的權重,其他為0。還有一種方法是使用距離衰減函數來分配權重。有時,共邊的長度用於為鄰居分配不同的權重。空間權重矩陣的選擇應以研究的相關現象的理論為指導。I的值對權重非常敏感,並且會影響對現象的結論,尤其是在使用距離時。
期望值
在不存在空間自相關的虛無假說下,莫蘭指數的期望值為:
對應該期望值的零分布是輸入遵循隨機均勻地選取的排列。
在大樣本量下(即N趨於無窮大時),期望值接近於零。
其方差等於
其中
I的值通常在−1到+1之間。顯着低於-1/(N-1)的值表示空間負相關(分散),顯着高於-1/(N-1)的值表示空間正相關(集聚)。對於統計假說檢定,莫蘭指數的值可以轉換為Z-分數。
莫蘭指數與吉爾里C數成負相關,但並不完全等同。莫蘭指數是全局空間自相關的度量,而吉爾里C數對局部空間自相關更敏感。
局部莫蘭指數
全局空間自相關分析只能得到一個概括整個研究區域的一個統計量。換句話說,全局分析假設空間是相對均質的。若該假設不成立,那麼只有一個統計數據是意義不大,因為統計數據在空間上應該是不同的。
而且,即使不存在全局自相關或聚類,我們仍然可能通過局部空間自相關分析,在局部層面上找到聚類。「空間關聯的局部指標」(local indicators of spatial association,LISA)利用莫蘭指數是叉積總和這一事實,通過計算每個空間單元的局部莫蘭指數並評估每個Ii的統計顯著性來評估這些個體單元的聚類。局部莫蘭指數最早由盧卡·安瑟林於1995年提出。[4]由全局莫蘭指數的等式可導出:
其中:
因此,
I為衡量全局空間自相關性的全局莫蘭指數,Ii為局部莫蘭指數,N為地圖中分析單元的總數。
空間關聯的局部指標可以用GeoDa軟件來計算,其中就包含了局部莫蘭指數的計算功能。[5]
應用
參見
參考文獻
- ^ Moran, P. A. P. Notes on Continuous Stochastic Phenomena. Biometrika. 1950, 37 (1): 17–23. JSTOR 2332142. PMID 15420245. doi:10.2307/2332142.
- ^ Li, Hongfei; Calder, Catherine A.; Cressie, Noel. Beyond Moran's I: Testing for Spatial Dependence Based on the Spatial Autoregressive Model. Geographical Analysis. 2007, 39 (4): 357–375. doi:10.1111/j.1538-4632.2007.00708.x.
- ^ Cliff and Ord (1981), Spatial Processes, London
- ^ Anselin, Luc. Local Indicators of Spatial Association—LISA. Geographical Analysis. 1995, 27 (2): 93–115 [2022-06-28]. doi:10.1111/j.1538-4632.1995.tb00338.x. (原始內容存檔於2022-07-12).
- ^ Anselin, Luc. Exploring Spatial Data with GeoDaTM: A Workbook (PDF). Spatial Analysis Laboratory: 138. 2005 [2022-06-28]. (原始內容 (PDF)存檔於2021-06-14).
- ^ Getis, Arthur. The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis. 3 Sep 2010, 24 (3): 189–206. doi:10.1111/j.1538-4632.1992.tb00261.x
.
- ^ Helbich, M; Leitner, M; Kapusta, ND. Geospatial examination of lithium in drinking water and suicide mortality. Int J Health Geogr. 2012, 11 (1): 19. PMC 3441892
. PMID 22695110. doi:10.1186/1476-072X-11-19.
- ^ Grieve, Jack. A regional analysis of contraction rate in written Standard American English. International Journal of Corpus Linguistics. 2011, 16 (4): 514–546. doi:10.1075/ijcl.16.4.04gri.
- ^ Alvioli, M.; Marchesini, I.; Reichenbach, P.; Rossi, M.; Ardizzone, F.; Fiorucci, F.; Guzzetti, F. Automatic delineation of geomorphological slope units with r.slopeunits v1.0 and their optimization for landslide susceptibility modeling. Geoscientific Model Development. 2016, 9: 3975–3991. doi:10.5194/gmd-9-3975-2016
.