概述：
根據(jù)要素位置和屬性值使用 Global Moran’s I 統(tǒng)計(jì)量測量空間自相關(guān)性。提出者為澳大利亞統(tǒng)計(jì)學(xué)家帕特里克·阿爾弗雷德·皮爾斯·莫蘭（Patrick Alfred Pierce Moran）。
Moran PAP. The interpretation of statistical maps[J]. Journal of the Royal Statistical Society B , 1948,(37):243-251.
詳細(xì)概述：
空間自相關(guān) (Global Moran’s I)工具同時根據(jù)要素位置和要素值來度量空間自相關(guān)。在給定一組要素及相關(guān)屬性的情況下，該工具評估所表達(dá)的模式是聚類模式、離散模式還是隨機(jī)模式。該工具通過計(jì)算 Moran’s I指數(shù)值、z得分和p值來對該指數(shù)的顯著性進(jìn)行評估。p值是根據(jù)已知分布的曲線得出的面積近似值（受檢驗(yàn)統(tǒng)計(jì)量限制）。
公式：
說明：
1、空間自相關(guān)工具返回五個值：Moran’s I 指數(shù)、預(yù)期指數(shù)、方差、z 得分及 p 值。您可通過結(jié)果窗口訪問這些值，也可以將這些值作為派生輸出值進(jìn)行傳遞，以滿足模型或腳本中的潛在使用需要。
在給定一組要素及相關(guān)屬性的情況下，該工具評估所表達(dá)的模式是聚類模式、離散模式還是隨機(jī)模式。使用 z 得分或 p 值指示統(tǒng)計(jì)顯著性時，如果 Moran’s I 指數(shù)值為正則指示聚類趨勢，如果 Moran’s I 指數(shù)值為負(fù)則指示離散趨勢。
2、返回的z得分與P值解釋：
p 值不具有統(tǒng)計(jì)學(xué)上的顯著性。
不能拒絕零假設(shè)。要素值的空間分布很有可能是隨機(jī)空間過程的結(jié)果。觀測到的要素值空間模式可能只是完全空間隨機(jī)性 (CSR) 的眾多可能結(jié)果之一。
p 值具有統(tǒng)計(jì)學(xué)上的顯著性，且 z 得分為正值。
可以拒絕零假設(shè)。如果基礎(chǔ)空間過程是隨機(jī)的，則數(shù)據(jù)集中高值和/或低值的空間分布在空間上聚類的程度要高于預(yù)期。
p 值具有統(tǒng)計(jì)學(xué)上的顯著性，且 z 得分為負(fù)值。
可以拒絕零假設(shè)。如果基礎(chǔ)空間過程是隨機(jī)的，則數(shù)據(jù)集中高值和低值的空間分布在空間上離散的程度要高于預(yù)期。離散空間模式通常會反映某種類型的競爭過程：具有高值的要素排斥具有高值的其他要素；具有低值的要素排斥具有低值的其他要素。
常見的問題：
Q1：可以針對不同研究區(qū)域使用全局自相關(guān)生成的 z 得分或 p 值與分析結(jié)果進(jìn)行比較嗎？
不可以。但是，如果研究區(qū)域是固定的（例如，所有分析都針對加利福尼亞的縣）、輸入字段具有可比性（例如，所有分析都涉及某種類型的人口計(jì)數(shù)），并且工具參數(shù)均相同（例如，距離范圍或距離閾值為 5,000 米的“固定距離”并且工具均使用“行標(biāo)準(zhǔn)化”參數(shù)），此時，便可對統(tǒng)計(jì)學(xué)上顯著的 z 得分進(jìn)行比較，以了解空間聚類或空間離散的程度或更好地了解趨勢隨時間推移的變化情況。還可以在不斷增大距離范圍或距離閾值的情況下運(yùn)行分析，以了解在哪個距離/比例下促進(jìn)空間聚類的過程最明顯。
Q2：為何會得到大于 1.0 或小于 -1.0 的 Moran’s I 指數(shù)？
通常，Global Moran’s I 指數(shù)介于 -1.0 到 1.0 之間。只有對權(quán)重進(jìn)行了行標(biāo)準(zhǔn)化時才會這樣。如果未對權(quán)重進(jìn)行行標(biāo)準(zhǔn)化處理，則指數(shù)值可能會落在 -1.0 到 1.0 的范圍之外，這表示參數(shù)設(shè)置有問題。
Q3：何時采用全局莫蘭指數(shù)（Global Moran’s I），何時采用局部莫蘭指數(shù)（Local Moran’s I），以及，兩者有何區(qū)別？
莫蘭指數(shù)分為全局莫蘭指數(shù)（Global Moran’s I）和局部莫蘭指數(shù)（Local Moran’s I），前者是Patrick Alfred Pierce Moran于1950年提出，用來衡量空間自相關(guān)程度的度量；后者是美國亞利桑那州立大學(xué)地理與規(guī)劃學(xué)院院長 Luc Anselin 教授在1995年提出的。
通常情況，先做一個地區(qū)的全局指數(shù)，全局指數(shù)只是告訴我們空間是否出現(xiàn)了集聚或異常值，但并沒有告訴我們在哪里出現(xiàn)。換句話說全局Moran’I只回答Yes還是NO；如果全局有自相關(guān)出現(xiàn)，接著做局部自相關(guān)；局部Moran’I會告訴我們哪里出現(xiàn)了異常值或者哪里出現(xiàn)了集聚，是一個回答Where的工具。
莫蘭指數(shù)是一個有理數(shù)，經(jīng)過方差歸一化之后，它的值會被歸一化到-1.0與+1.0之間。
Moran’s I大于0時，表示數(shù)據(jù)呈現(xiàn)空間正相關(guān)，其值越大空間相關(guān)性越明顯；Moran’s I小于0時，表示數(shù)據(jù)呈現(xiàn)空間負(fù)相關(guān)，其值越小空間差異越大；Moran’s I為0時，空間呈隨機(jī)性。
ArcGIS中運(yùn)行莫蘭指數(shù)的注意事項(xiàng)：
輸入字段嚴(yán)重偏斜（創(chuàng)建數(shù)據(jù)值的直方圖可了解此情況），空間關(guān)系的概念化或距離范圍的設(shè)置使得某些要素的相鄰要素非常少。Global Moran’s I 統(tǒng)計(jì)量是漸進(jìn)正態(tài)的，這意味著，對于偏斜數(shù)據(jù)，每個要素至少需要具有 8 個相鄰要素。為距離范圍或距離閾值參數(shù)計(jì)算的默認(rèn)值可確保每個要素至少具有 1 個相鄰要素，但這可能不夠，尤其是在輸入字段中的值嚴(yán)重偏斜時。
使用反距離空間關(guān)系的概念化，并且反距離非常小。
未選擇行標(biāo)準(zhǔn)化。除非聚合方案與所分析的字段直接相關(guān)，否則，只要對數(shù)據(jù)進(jìn)行了聚合處理，就應(yīng)選擇行標(biāo)準(zhǔn)化。
空間關(guān)系的概念化：
指定要素空間關(guān)系的定義方式。
INVERSE_DISTANCE—與遠(yuǎn)處的要素相比，附近的鄰近要素對目標(biāo)要素的計(jì)算的影響要大一些。
INVERSE_DISTANCE_SQUARED—與 INVERSE_DISTANCE 類似，但它的坡度更明顯，因此影響下降得更快，并且只有目標(biāo)要素的最近鄰域會對要素的計(jì)算產(chǎn)生重大影響。
反距離方法（INVERSE_DISTANCE、INVERSE_DISTANCE_SQUARED）最適合對連續(xù)數(shù)據(jù)，或最適合對符合此種情形的對象進(jìn)行建模：兩個要素在空間上越靠近，它們彼此交互/影響的可能性就越大。使用此空間概念化參數(shù)，每個要素都可能是其他各個要素的鄰域，而對于大型數(shù)據(jù)集，這將涉及巨大的計(jì)算量。使用反距離法時，應(yīng)嘗試添加一個距離范圍或距離閾值，特別是對于大型數(shù)據(jù)集十分重要。如果將距離范圍或距離閾值參數(shù)留空，系統(tǒng)將計(jì)算距離閾值，但這可能不是分析所需的最適當(dāng)距離；默認(rèn)的距離閾值是能夠確保每個要素至少具有一個相鄰要素的最小距離。
可為0，可默認(rèn)，可輸入正值。
FIXED_DISTANCE_BAND—將對鄰近要素環(huán)境中的每個要素進(jìn)行分析。在指定臨界距離（距離范圍或距離閾值）內(nèi)的鄰近要素將分配有值為 1 的權(quán)重，并對目標(biāo)要素的計(jì)算產(chǎn)生影響。在指定臨界距離外的鄰近要素將分配值為零的權(quán)重，并且不會對目標(biāo)要素的計(jì)算產(chǎn)生任何影響。此方法適用于處理點(diǎn)數(shù)據(jù)。
ZONE_OF_INDIFFERENCE—在目標(biāo)要素的指定臨界距離（距離范圍或距離閾值）內(nèi)的要素將分配有值為1的權(quán)重，并且會影響目標(biāo)要素的計(jì)算。一旦超出該臨界距離，權(quán)重（以及鄰近要素對目標(biāo)要素計(jì)算的影響）就會隨距離的增加而減小。
不可為0，可默認(rèn)，可輸入正值。
CONTIGUITY_EDGES_ONLY—只有共用邊界或重疊的相鄰面要素會影響目標(biāo)面要素的計(jì)算。
CONTIGUITY_EDGES_CORNERS—共享邊界、結(jié)點(diǎn)或重疊的面要素會影響目標(biāo)面要素的計(jì)算。
國際象棋里面的Rook（車）和皇后（Queen）的走法，因此也叫做Rook’s Case和Queen’s Case。面要素計(jì)算進(jìn)行計(jì)算的話，面鄰接是最簡單的一種空間關(guān)系概念化的模型。
GET_SPATIAL_WEIGHTS_FROM_FILE—將由指定空間權(quán)重文件定義空間關(guān)系。指向空間權(quán)重文件的路徑由權(quán)重矩陣文件參數(shù)指定。
標(biāo)準(zhǔn)化：
行標(biāo)準(zhǔn)化的權(quán)重通常與固定距離相鄰要素結(jié)合使用，并且?guī)缀蹩偸怯糜诨诿驵徑拥南噜徱?，這樣可減少因?yàn)橐鼐哂胁煌瑪?shù)量的相鄰要素而產(chǎn)生的偏離。行標(biāo)準(zhǔn)化將換算所有權(quán)重，使它們在 0 和 1 之間，從而創(chuàng)建相對（而不是絕對）權(quán)重方案。每當(dāng)要處理表示行政邊界的面要素時，您都可能會希望選擇“行標(biāo)準(zhǔn)化”選項(xiàng)。
實(shí)例：
這次，我們采用湖南省2018年的122個縣的一些社會經(jīng)濟(jì)數(shù)據(jù)，如GDP、第二產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)從業(yè)人員、第三產(chǎn)業(yè)增加值、學(xué)校、醫(yī)院床位等等數(shù)據(jù)，來進(jìn)行莫蘭指數(shù)的實(shí)驗(yàn)：
之前的參數(shù)設(shè)置都已經(jīng)講過了，所以我們直接按照上方的提示設(shè)定參數(shù)，其實(shí)莫蘭指數(shù)的參數(shù)蠻少，主要就一個：空間關(guān)系的概念化。
因?yàn)槭紫?，空間關(guān)系的概念化選擇決定了你要不要設(shè)置距離范圍或距離閾值以及權(quán)重矩陣文件，如果你選擇了反距離，那么距離范圍可以不輸入，也可以選擇輸入；如果選擇了FIXED_DISTANCE_BAND或者ZONE_OF_INDIFFERENCE，那么最好輸入距離范圍，當(dāng)然也可以不輸入，選擇默認(rèn)；如果選擇了CONTIGUITY_EDGES_ONLY或者CONTIGUITY_EDGES_CORNERS，則不需要輸入距離范圍，選擇了GET_SPATIAL_WEIGHTS_FROM_FILE，那當(dāng)然需要引入權(quán)重矩陣文件了！
其次，距離法一般我們也都是選擇歐氏距離，標(biāo)準(zhǔn)化一般都是默認(rèn)勾選ROW的。那么我們按照以下的進(jìn)行選擇，然后點(diǎn)擊生成報(bào)表，運(yùn)行。
最終會生成一張報(bào)表如下，而不是返回給我們一張花花綠綠的圖（那是局部莫蘭指數(shù)或者其他空間統(tǒng)計(jì)工具會生成的），因?yàn)樯厦嬉呀?jīng)講到，其實(shí)莫蘭指數(shù)就是告訴我們要素是否是隨機(jī)分布的，也就是說只會給我們一個值，是或者否，僅此而已：
本文鏈接：http://m.xjcmss.com/blog/383.html
本文標(biāo)簽：ArcGIS
