Memodifikasi I / LISA Bivariat Moran untuk menyertakan diri?

Saya menggunakan fungsi Bivariat Moran GeoDa untuk memeriksa pola kolokasi antara dua variabel di tingkat kabupaten (sebut saja A dan B untuk saat ini).

Saya tahu bahwa, setelah menjalankan analisis saya dapat mengatakan hal-hal seperti "Kabupaten dengan nilai tinggi untuk A cenderung memiliki tetangga dengan nilai B tinggi"

Apa yang saya lebih suka katakan adalah bahwa "Kabupaten dengan nilai A yang tinggi cenderung untuk mencari di daerah dengan nilai B yang tinggi" Perbedaannya adalah bahwa yang terakhir kelihatannya mencakup daerah di mana A tinggi serta tetangganya, sementara yang pertama hanya mencakup tetangga.

Saya dapat melihat cara saya untuk mengubah ini - hanya membuat setiap county tetangganya sendiri dalam matriks bobot, tapi saya bertanya-tanya seperti apa kekacauan ini akan bermain pada nilai-nilai saya untuk saya dan seluruh diagnostik.

PS. Jika Anda kebetulan tersandung pada pertanyaan identik yang dikirim oleh saya di sini: https://groups.google.com/forum/?fromgroups#!topic/openspace-list/WUL1kQkenWo

harap perhatikan bahwa jawaban yang saya terima salah karena ditunjukkan dengan cermat oleh pengulas yang agak marah.

spatial-statistics geoda

— csfowler
sumber

Saya pikir itu hanyalah pertanyaan metodologis, yang harus dilakukan lebih banyak dengan statistik daripada GIS. Lagi pula, jika Anda mengambil lokasi sebagai tetangganya sendiri, Anda akan menghitung hubungan nilainya dengan dirinya sendiri, sebagai lawan dari hubungan nilai dengan tetangganya, jadi saya pikir itu bukan pendekatan yang benar. Saya akan berkonsultasi dengan ahli statistik, dalam hal apa pun

— Zbynek

Matriks diagonal mewakili potensi diri. Biasanya, ketika Anda menyelesaikan untuk Moran's-I Anda menghapus diagonal dari matriks. Namun, saya tidak dapat menemukan apa pun di dokumentasi GeoDa yang menjelaskan perilaku default statistik. Saya belum pernah melihat opsi untuk menurunkan bobot antarzonal, jadi saya akan membayangkan bahwa, karena 0, diagonal dihilangkan. Anda mungkin perlu menghubungi penulis untuk mendapatkan jawaban yang pasti.

Saya tahu bahwa implementasi ArcGIS memiliki opsi untuk memasukkan potensi diri dalam kasus univariat (maaf, tidak ada implementasi bivariat). Namun, mereka tidak memiliki statistik pengujian yang benar dan nilai-z dan nilai-p tidak stabil ketika dihadapkan dengan distribusi yang tidak normal.

Kemungkinan satu-satunya cara Anda dapat mengimplementasikan ini adalah dengan mengkodekannya sendiri dalam sesuatu seperti PySal atau R. Bobot antarzon univariat dihitung sebagai: dij = 0,5 * [(Aij / π) ** 0,5] tetapi Anda harus mencari tahu penyesuaian bivariat. Jika Anda menerapkan ini, Anda harus berpikir panjang dan keras tentang artinya. Saya tidak yakin itu akan memberi Anda apa yang Anda pikirkan.

Anda dapat mempertimbangkan untuk menggunakan statistik pindaian yang lebih cocok untuk analisis deret waktu spasial berdasarkan asumsi distribusi tertentu. Ini akan memberi Anda kerangka kerja yang lebih cocok untuk pengujian hipotesis. Saya juga akan melihat ke Crimestat . Seingat saya ada beberapa fleksibilitas dalam mendefinisikan perilaku kontingensi dan ada Moran's-I / LISA bivariat.

Anda juga dapat mempertimbangkan model autoregresif (Li et al., 2007). Metode ini mengukur ulang ukuran dengan fungsi nilai eigen dari matriks bobot spasial dan memberikan ukuran yang jauh lebih kuat dari ketergantungan spasial.

Li, H., C.A. Calder and N. Cressie. (2007). Beyond Moran’s I: Testing for spatial   
  dependence based on the spatial autoregressive model. Geographical Analysis 
  39:357–375.

Maaf karena tidak dapat memberikan jawaban yang lebih pasti.

— Jeffrey Evans
sumber