上一篇簡單說了一下莫蘭指數的計算原理和計算公式，如果是學生或者基礎研究者，鼓勵好好的學習一下手算或者編程計算，所謂的基礎不牢，地動山搖……但是對于工程界和應用人士，特別是非基礎學，重復造輪子是沒有啥意義的，我們直接使用已有工具來做就行。

今天我們介紹一下，在ArcGIS里面怎么進行莫蘭指數的計算。

首先介紹一下實現莫蘭指數的話，需要什么樣的數據。

既然叫做“空間自相關”，那么我們需要的數據肯定是要有空間屬性，啥叫空間屬性呢？通常說來，就是能夠表達位置的數據，狹義說起來，就需要有坐標，比如下面的表格：

擁有經度和緯度，就能在地球上表示一個固定的位置了，就像上面的表格里面，我們可以看見北京的經緯度坐標就是：東經116.3956度，北緯39.92999度。

這種由X\Y兩個數值所表達的點模型，這是最基礎的空間數據，如果你的數據連這種無法獲取，那么空間自相關分析就真沒法開展了。

如果你需要更精確的研究，那么計量經濟學上或者空間計量學上用的截面數據中，行政區劃的空間承載模型，應該用是面要素模型——

面要素模型，也稱為”多邊形“要素，通常是由一系列的封閉的點所組成的多邊形，形成的空間數據，比如在ArcGIS里面，中國的行政區劃所表達的：

我們看任意一個省，比如山西：

可以看見，山西省的行政區劃，是由若干個點組成的封閉的集合。

當然，點數據的獲取相對來說，還是比較容易的，通過百度坐標拾取就能直接弄到，但是面數據就只能通過專業測繪公司或者單位獲取了(當然，你要是能手繪，也行)。不過還好的是，我國對于1:400萬以上的數據，都是免費可公開的，也就是說，你可以通過互聯網渠道，獲取到全國縣級以上行政區劃的數據，而縣級以下的，你就只能去找相關地方的國土測繪部門去獲得了。

有了空間數據之后，那么就把你需要分析的屬性數據與空間數據進行一對一匹配上面去，比如我要分析2016年的全國各省GDP數據，那么就要有空間數據和屬性數據，才能進行分析：

(什么？有問我怎么去做這種數據的？請學習ArcGIS基礎數據處理與制圖課程……這個不歸我管，完全不懂GIS的同學，可以求助旁邊會GIS的同學)

數據準備好之后，我們就可以通過工具來進行分析了，這里以ArcGIS為例：

首先打開ArcMap，然后把數據加入進去，找到ArcToolbox——空間統計工具箱——空間模式分析——空間自相關(莫蘭指數)工具：

打開之后，出現了這樣一個窗口，而一般來說，默認只需要關注必選項就行(亮綠燈的東西)，可選項可以直接不管，就按默認參數來設置(比如第三項，是否輸出分析結果報表)，也可以去設置，后面我們還會再說每個參數的意義(特別是后面設置空間權重)：

我們要設置的就是輸入要素類和輸入字段：

然后點擊運行即可，如果不出錯的話，會得到下面這樣的結果：

那么這個表示什么意思呢？

首先，前面兩個警告：

額……上面那張圖片不算，請大家忽略：

(不同的ArcGIS版本提示可能不同，一般來說10.4以上的話，提示應該和我一樣的)

第一個警告是說你的數據本身采用的地理坐標系，所以用距離來作為空間關系概念進行分析，會不準確。

第二警告是說，默認設置的臨近要素是1106公里(為什么用這個值呢，以后在說空間關系的時候，會進行解釋——坑.No.1)。

然后下面就是你這次計算的全局莫蘭指數了，莫蘭指數的解讀，需要反著讀，先利用P、Z值來解讀分析結果是否可信，然后讀莫蘭指數的值。關于P\Z值的解讀，我們在以后的統計顯著性說明里面，進行詳細解讀，這里大家只要記住P值大于0.1的就不可靠就行(什么？你問我為什么不可信？還是那句話，請聽后文——坑.No.2)

——現在，請大家叫我挖坑小能手。

為什么會發生這種所謂的不可靠呢？原因太多了，有可能本身數據就不可靠，當然，也有可能你的分析參數設置不正確……

我完全都沒有設置參數，全部用的默認，你所謂的分析參數設置不正確是什么鬼？？

實際上這個鍋必須是讓空間關系概念來背的，一般來說，在地理空間分析的時候，距離概念一般會給點要素來用，而以行政區劃為空間要素承載的分析來看，通常采用觸點連接——也就是我們經常所說的“相鄰”或者“接壤”，比如在空間位置上，湖北與陜西、河南、安徽、江西、湖南、重慶四個省(直轄市)直接相鄰：

所以，我們可以選擇一個比較符合我們思維觀念的空間關系方法，比如區域接壤，就算相鄰：

在ArcGIS里面，把這種“接壤”的關系，叫做

“CONTIGUITY_EDGES_CORNERS”——

即所謂的共有一個公共點，或者共有一條公共邊的兩個面要素，被視為相鄰要素。

設置完成之后，再來執行一次，結果如下：

多出了兩個警告，分別說是有兩個要素，沒有找到臨近要素，分別是18號和31號——我們來看看：

18號是海南，31號是臺灣，這兩個島嶼沒有發現與任何省有共點或者共邊，被視為無臨近要素的獨立面，所以這兩個數據也不被加入到分析中。(怎么處理這種情況呢？以后再說，繼續挖坑——坑.No.3)

然后繼續看結果：

Global Moran's I Summary

Moran's Index: ? 0.259547

Expected Index: ?-0.032258

Variance: ? ? ? ?0.011107

z-score: ? ? ? ? 2.768836

p-value: ? ? ? ? 0.005626

p值，小于0.1，嗯，有效，Z得分，與P值對應閱讀，大于1.65，有效……(為什么？參考坑.No.2)

方差：0.011，期望指數-0.032，這里方差和期望指數，都是用于對比莫蘭指數和評估PZ值的，下篇文章做解釋(——坑.No.4)。

最后看最關鍵的全局莫蘭指數：0.259。

回憶一下，莫蘭指數的范圍：

0.259代表的是，在給點的樣本的情況下，數據呈現了空間正相關的表征：即高值與高值發生聚集，低值與低值聚集，空間上呈現正相關模式，傾向于發生了空間聚類現象。

那么白話來解釋，就是：有錢的省，通常旁邊也都存在有錢的省，沒錢的省，旁邊通常也都是沒錢的省……。

那么這一樣個指數，有多大的意義呢？

答案是：統計分析里面，獨立的指數并沒有太大的意義，所有的意義都要來自于對比，如何進行對比呢？我們下期繼續。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的arcgis设置nodata值_新版白话空间统计（6）：在ArcGIS中实现莫兰指数计算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。