测试空间自相关分析
如果適應(yīng)莫蘭指數(shù)測量某個因變量，發(fā)現(xiàn)具有顯著的空間自相關(guān)效應(yīng)，那么這樣的特征除了可以分析因變量的空間分布特征外，如果要進(jìn)一步分析該因變量同環(huán)境因子之間的關(guān)系，就需要對這樣的空間自相關(guān)效應(yīng)加以考慮。
這時候，如果要使用某個或某幾個環(huán)境變量對此因變量進(jìn)行回歸分析，以檢測環(huán)境因子與因變量的關(guān)系時，如果使用傳統(tǒng)的OLS回歸，就會導(dǎo)致存在空間自相關(guān)而增加犯第一類錯誤的風(fēng)險，也就是拒絕原假設(shè)，得到的p值更小。因此需要考慮空間自相關(guān)，如果去除了空間自相關(guān)效應(yīng)，有可能結(jié)果變得不顯著了，P值增加，之前有相關(guān)性的兩個變量，就變得不相關(guān)了。。。
那么，這樣的因變量這樣的空間分布特征產(chǎn)生的原由，有兩種，一個是因變量自身，一個是環(huán)境因子導(dǎo)致。當(dāng)因變量自身的特征導(dǎo)致的空間結(jié)構(gòu)時，就叫做空間自相關(guān)；如果該因變量的空間結(jié)構(gòu)時環(huán)境因子導(dǎo)致的，則稱為誘導(dǎo)性空間依賴。
因此，當(dāng)我們發(fā)現(xiàn)莫蘭指數(shù)顯著大于期望時，探討環(huán)境因子和因變量的關(guān)系就需要考慮這樣的空間結(jié)構(gòu)特征了。一般的，如果是由空間自相關(guān)產(chǎn)生的空間結(jié)構(gòu)時，而且我們能夠找到這樣的空間結(jié)構(gòu)（比如隨著距離增加減小），那么使用該空間結(jié)構(gòu)（比如距離）同因變量進(jìn)行回歸分析，殘差理論上就會無空間自相關(guān)效應(yīng)了（莫蘭指數(shù)為接近期望，p值較大）。這時后的殘差就是去除了空間自相關(guān)效應(yīng)的，可以用此值同其他的環(huán)境因子進(jìn)行回歸分析，從而得到可靠的結(jié)果。
如果是由環(huán)境因子的結(jié)構(gòu)特征導(dǎo)致的因變量空間結(jié)構(gòu)特征時，也就是說某個環(huán)境因子的高低值導(dǎo)致了因變量的高低變化。那么對該變量進(jìn)行回歸分析，理論上得到的殘差就會無空間自相關(guān)效應(yīng)。
?
注意：真實的情況是，我們無法知道一個因變量的空間自相關(guān)效應(yīng)是來自于其本身，還是來自于環(huán)境因子，或者二者都有一部分影響。但說過來，來自本身時可以用距離結(jié)構(gòu)來消除，來自外部因子時可以使用外部因子來消除，如果把距離和外部因子視為外因子的話，就不存在空間自相關(guān)來自哪里的問題，只有如何有效減小的問題。
一個因變量的空間結(jié)構(gòu)特征，在不同距離上有著不同的空間自相關(guān)值，那么找的合適的距離和空間結(jié)構(gòu)，就可以有效去除空間自相關(guān)效應(yīng)（還不太清楚如何處理）
介紹目前的常規(guī)做法：
首先，將你打算探索的數(shù)據(jù)整理好，我用arcgis處理，將因變量和環(huán)境因子放在一個圖層的屬性表里，該圖層最好是polygon形式，而且需要注意，如果你要計算的queen形距離矩陣，就不要有破碎面，也就是沒有鄰近單元的單個斑塊，這樣的斑塊鄰近值為0。
其次，生成距離矩陣，在R里面處理，將圖層導(dǎo)入R，并生成距離矩陣，距離矩陣有多種，有些對破碎斑塊容忍度較好。
再次，使用OLS擬合因變量和環(huán)境變量。
第四，使用lm.LMtest函數(shù)檢測模型參數(shù)，選擇合適的模型
?
?第五，然后使用對應(yīng)的函數(shù)處理因變量和環(huán)境因子，得到回歸結(jié)果，解釋回歸結(jié)果。
一般使用的較多的有兩種模型，空間滯后模型和空間誤差模型，前者可以使用impacts函數(shù)統(tǒng)計環(huán)境因子和因變量之間的關(guān)系。后者不清楚如何處理。
?
https://eburchfield.github.io/files/Spatial_regression_LAB.html
?
轉(zhuǎn)載于:https://www.cnblogs.com/arcserver/p/10952157.html
總結(jié)
- 上一篇： Linux下彻底卸载mysql
- 下一篇： Ubuntu彻底卸载MySQL