前言2015年7月27日，虾神在博客频道，首次放出第一篇白话空间统计，到今天已经4年多了。2020年，虾神重写白话空间统计。4年多的时间，从看山是山，到看山不是山，再到看山仍是山...
空间自相关是学习空间统计学课程中的第一个拦路虎，据虾神所知，很多初学空间统计学的同学，在遇上这个词汇的时候，就准备放弃这一门本来可以很有意思的课程了。因为大家发现“空间自相关”这五个字，...
本文是帕克.莫兰小传——献给伟大的统计学家，空间统计学先驱莫兰同学我们前面说了空间分布模式有随机、聚集和离散三种，不过这三种说法都是所谓的“定性”的称谓，而在分析里面，我们更需要的是“定...
上一篇简单说了一下莫兰指数的计算原理和计算公式，如果是学生或者基础研究者，鼓励好好的学习一下手算或者编程计算，所谓的基础不牢，地动山摇……但是对于工程界...
本节对前面写的莫兰指数部分留下的一下小问题进行解答，里面包括一些读者朋友们通过邮件提出的一些问题。Q1：ArcGIS中，计算莫兰指数的工具里面的那个Row（行标准化）是拿来干嘛的？A：...
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。上次我们简单的介绍了一下学渣莫兰同学的逆袭之旅，梦想成为一个数学家的他最后阴差阳错的成为了一个统计学家，所以虾神不禁陷入沉思：好了，不说数学了，我们今天继续来说莫兰指数。我们先来看看莫兰指数的原理。先看看下面这样一个属性数据的相关分析图，假设这是四个城市的房价数据——当北京连续三个月上升的时候，石家庄也连续三个月上升，这样我们就可以认为（在
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。空间分布模式的英文是：spatial distribution pattern，所以也有的文章或者书上被翻译成空间分布格局或者空间分布范例。不过我一般习惯了称之为空间分布模式，下面就沿用分布模式这个术语来进行说明了。在地理学中，“空间模式”一般是指人或者物体在现实世界中的组织和位置。可以指它们之间的距离的远近或者说它们之间的呈现的相对或者绝
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。美国著名统计学家，统计学史专家，芝加哥大学统计学院教授Stephen M. Stigler（斯蒂芬.斯蒂格勒）出过一本影响深远的著作：《统计学七支柱》，对统计学历史上里程碑式的几种统计思想的历史来源的回溯，记录的是数百年来这些思想萌芽和发展的若干瞬间。有些思想的发展或许并不瞩目，但源远流长。何为支柱？支柱的概念就是一旦出问题，整个体系就会轰
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。 在前面的文章里面，我们反复强调，我们做任意空间分布的判定，都是由空间关系和属性关系共同作用所得到的最终结果。所以，空间统计分析与传统的统计分析，最大的区别就在于空间统计学把样本数据中由空间信息所带来的空间关系直接整合到了算法之中，并且作为本门学科最主要的支柱。如果取消掉空间相关的特性，空间统计学与传统统计学就没有多大的区别了。所
：“all attribute values on a geogr
空间关系概念化里面一个比较容易被忽视的空间关系，但是它在很多时候又极其有用。比如在ArcGIS里面的热点分析中，固定距
转发、转载和爬虫，请主动保留此声明。前文再续，书接上一回，先请出本节镇文神图：看到这张图，可能很多同学会问，随机不是没有分析的意义么？你这里的完美的是啥意思捏？难道说要让我们的数据都表现成随机才好么？那么我们今天来好好聊聊随机的力量。首先，校正一个观念——啥叫随机？有的同学看见随机，第一反应就是随机不就是乱么，乱的没有任何规律，乱得没有办法分析和预测？好吧，如果你是这样认为的，也不能说全是错的，但
转发、转载和爬虫，请主动保留此声明。 上篇文章简单介绍了P值与Z得分的一些基本概念，大家其实也都知道，P值和Z得分其实是有一定的相应关系的，Z得分有正负两种结果，而P值有显著和不显著两种可能。如果按照我们一般的思维，P值和Z得分就应该有4种组合。不过实际上他们只有三种组合，如下：可以看见，只要P值不具备统计学上的显著特征，那么Z值不论是正负，都是一个结果。Z值的计算很简单，标准差在任何软
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。前面我为了一直省事，所以直接把P-value 和Z-scores给统称成了PZ值，实际上准确翻译应该叫做P值与Z得分，我就不一一校正了，另外，PZ的大小写在文中大家也自行忽略就好。首先，我们来看看在ArcGIS里面做空间自相关，当我们勾选了生成分析报告之后执行：在指定的地方会生成这样一个分析报告：（注意，在这个地方，不同的版本会有一些不同，
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。上一节挖了个大坑——PZ值，不同软件里面，计算方法和表达方法是有所不同的，因为我们主要讲空间统计，所以我在这里会扣着ArcGIS来讲。在讲PZ之前，我们还是先再来看看一个统计学里面的基础概念——零假设。这个词也曾经让才开始学习和研究空间统计学的虾神焦头烂额……所以幸运的趟过了地雷阵的虾神，把这个概念用最小白的方式给大家聊一聊。零假设（nul
上
前面的章节里面
公众号\知乎：虾神说D转发、转载和爬虫，请主动保留此声明。前面说到莫兰指数的时候，挖下了一个大坑——虾神在文章里面里面，一再强调：查看莫兰指数之前，先要看看PZ两个值，如果PZ两个值不可信，那么得到的莫兰指数也是不可信的——那么这个PZ值是何方神圣，如此之霸气，又有啥意义和道理呢？这几章我们来好好聊聊这个两个在统计学上的“最高审判者”。要说PZ值，就先要明白“置信度”这个词的概念。当然，如果是统计
前文再续，书接上一回。（今天是个4300多字的大章，没时间的同学，看图就行）平均数和中位数的PK也不是一两天了。我们经常在新闻上看见统计部门发
写在最前面：上篇文章说了在GeoDa里面去自定义空间权重关系，有的同学问，在ArcGIS里
方向分布是虾神最喜欢的一个空间统计工具，也是最简单明了，但是用处很广的一个点模式的分析
这是我上次发的，CSDN表示审核未通过，原因是可能是因为虾神是做空间统计的，所以一定要用上地图，结果：凡事
说在前面的话：本来在距离与面邻接关系之间，还有一个无差别区域的，但是在新版的ArcGIS里面，这个空间关系被取
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
