Bei der Analyse von räumlichen Daten ist der Maßstab der Analyse häufig einer der wichtigsten Aspekte. Der Standardwert für den Parameter Konzeptualisierung von räumlichen Beziehungen des Werkzeugs Hot-Spot-Analyse beispielsweise ist ein festes Entfernungsband. Für zahlreiche Dichtewerkzeuge müssen Sie einen Wert für den Radius angeben. Die angegebene Entfernung sollte zum Maßstab der Fragestellung, die Sie beantworten möchten, oder zum Maßstab der ins Auge gefassten Korrekturmaßnahmen in Beziehung stehen. Beispiel: Sie möchten mehr über Adipositas bei Kindern erfahren. Wie sieht der Analysemaßstab aus? Bezieht er sich auf die einzelnen Haushalte oder auf einen Umkreis? Wenn dies der Fall ist, ist die Entfernung zum Definieren des Analysemaßstabs eher gering und umfasst nur die Haushalte in einem oder zwei Häuserblocks. Oder wie sieht der Maßstab für die Korrekturmaßnahmen aus? Eventuell möchten Sie herausfinden, wo Kindern mehr Sportangebote in ihrer Freizeit gemacht werden sollen, um so der zunehmenden Adipositas bei Kindern entgegenzuwirken. In diesem Fall bezieht sich die Entfernung eher auf Schulbezirke. In einigen Fällen ist es nicht weiter schwierig, einen geeigneten Analysemaßstab zu ermitteln. Wenn Sie zum Beispiel Pendelmuster untersuchen und wissen, dass die durchschnittliche Fahrt zur Arbeit beispielsweise 20 Kilometer beträgt, sind 20 Kilometer eine angemessene Entfernung für die Analyse. In anderen Fällen ist es schwieriger, die Verwendung einer bestimmten Entfernung für die Analyse zu begründen. In diesen Fällen ist das Werkzeug Inkrementelle räumliche Autokorrelation nützlich.
Immer dann, wenn Sie eine räumliche Cluster-Bildung in der Landschaft sehen, sehen Sie einen Beweis für die zugrunde liegenden räumlichen Prozesse, die im Gange sind. Kenntnisse über den räumlichen Maßstab dieser zugrunde liegenden Prozesse können Sie dabei unterstützen, eine angemessene Analyseentfernung auszuwählen. Das Werkzeug Inkrementelle räumliche Autokorrelation führt das Werkzeug Räumliche Autokorrelation (Morans I) für eine Reihe von ansteigenden Entfernungen aus, wobei die Intensität der räumlichen Cluster-Bildung für jede Entfernung gemessen wird. Die Intensität der Cluster-Bildung wird durch den zurückgegebenen Z-Wert bestimmt. In der Regel erhöht sich bei der Erhöhung der Entfernung auch der Z-Wert, was auf eine Intensivierung der Cluster-Bildung hinweist. An einer bestimmten Entfernung erreicht der Z-Wert in der Regel den Spitzenwert. Manchmal sind auch mehrere Spitzenwerte vorhanden.
Spitzenwerte stellen Entfernungen dar, bei der die räumlichen Prozesse, die eine Cluster-Bildung fördern, am stärksten sind. Die Farbe jedes Punktes im Diagramm entspricht der statistischen Signifikanz der Z-Werte.
Eine Strategie zum Ermitteln eines angemessenen Analysemaßstabs besteht darin, die mit dem statistisch signifikanten Spitzenwert, der dem Maßstab der Fragestellung am besten wiedergibt, verknüpfte Entfernung auszuwählen. Häufig ist dies der statistisch signifikante Spitzenwert.
Bestimmen der Werte für die Anfangsentfernung und die Entfernungsschrittgröße
Alle Entfernungsmesswerte basieren auf Feature-Schwerpunkten, und die Standardwert des Parameters Anfangsentfernung ist die kürzeste Entfernung, mit der sichergestellt wird, dass jedes Feature über mindestens ein benachbartes Feature verfügt. In der Regel ist dies eine gute Wahl, es sei denn, das Dataset enthält räumliche Ausreißer. Ermitteln Sie, ob räumliche Ausreißer vorhanden sind, und wählen Sie dann alle Features außer den Ausreißer-Features aus. Führen Sie anschließend das Werkzeug Inkrementelle räumliche Autokorrelation nur für die ausgewählten Features aus. Wenn Sie für den Auswahlsatz eine Spitzenentfernung ermitteln, verwenden Sie diese Entfernung, um eine Matrixdatei für räumliche Gewichtung basierend auf allen Features (auch Ausreißern) zu erstellen. Wenn Sie mit dem Werkzeug Räumliche Gewichtungsmatrix erstellen eine Datei mit einer räumlichen Gewichtungsmatrix erstellen, legen Sie für den Parameter Anzahl der Nachbarn einen Wert fest, mit dem alle Features über mindestens diese Anzahl von benachbarten Features verfügt.
Der Standardwert des Parameters Inkrementelle Entfernung ist die durchschnittliche Entfernung zum nächsten benachbarten Feature der einzelnen Features. Wenn Sie anhand der oben genannten Strategien eine geeignete Startentfernung ausgewählt haben und weiterhin keine Spitzenentfernung angezeigt wird, versuchen Sie es mit kleineren oder größeren Entfernungsschrittgrößen.
Keine Spitzenentfernung
Bei der Verwendung des Werkzeugs Inkrementelle räumliche Autokorrelation kann es manchmal vorkommen, dass Sie ein Diagramm mit einem Z-Wert erhalten, der sich mit zunehmender Entfernung stetig weiter erhöht, jedoch keinen Spitzenwert aufweist. Dies geschieht meistens dann, wenn Daten aggregiert wurden und der Maßstab der Prozesse, die sich auf die Variable im Eingabefeld auswirken, kleiner als das Aggregationsschema ist. Versuchen Sie es mit einem kleineren Wert für Inkrementelle Entfernung, wodurch möglicherweise feinere Spitzenwerte erfasst werden. In einigen Fällen liegt jedoch kein Spitzenwert vor, da mehrere räumliche Prozesse im Untersuchungsgebiet vorhanden sind, die jeweils mit einer anderen Entfernung arbeiten. Dies ist häufig der Fall bei umfangreichen, verrauschten Punkt-Datasets (kein klares räumliches Muster der zu analysierenden Punktdatenwerte). In diesem Fall müssen Sie den Analysemaßstab anhand anderer Kriterien begründen.
Auswerten der Ergebnisse
Wenn Sie das Werkzeug Inkrementelle räumliche Autokorrelation ausführen, werden die Z-Werte für die einzelnen Entfernungen als Meldungen ausgegeben. Um auf die Meldungen zuzugreifen, zeigen Sie mit der Maus auf die Fortschrittsleiste, klicken Sie auf die Pop-out-Schaltfläche, oder erweitern Sie den Abschnitt "Meldungen" im Bereich Geoverarbeitung. Sie können auch auf die Meldungen für ein zuvor ausgeführtes Werkzeug über den Geoverarbeitungsverlauf zugreifen. Wenn Sie einen Pfad für den optionalen Parameter Ausgabetabelle angeben, wird eine Tabelle mit den Feldern "Distance", "Morans I", "Expected I", "Variance", "z_score" und "p_value" erstellt.
Indem Sie die räumliche Autokorrelation über das Entfernungsliniendiagramm und die als Meldungen ausgegebenen Z-Werte untersuchen, können Sie ermitteln, ob Spitzenentfernungen vorhanden sind. Das Diagramm in der folgenden Abbildung weist bei den Entfernungen von 8.100 und 11.500 Fuß zwei Spitzenwerte für den Z-Wert auf.
Wenn Sie über den Parameter Ausgabetabelle eine Tabelle der Autokorrelationswerte erstellen, umfasst die Tabelle ein Liniendiagramm der räumlichen Autokorrelation nach Entfernung. Es handelt sich um dasselbe Diagramm, das in den Meldungen angezeigt wird.
Zusätzliche Quellen
Weitere Informationen finden Sie in den folgenden Ressourcen:
- Videos mit Empfehlungen zur Durchführung einer Hot-Spot-Analyse:
- Im Lernprogramm "Spatial Pattern Analysis" wird eine Analyse von Daten zum Dengue-Fieber unter Verwendung des Werkzeugs Inkrementelle räumliche Autokorrelation vorgestellt.
- Weitere Informationen finden Sie unter Auswählen eines festen Entfernungsbandes unter Modellierung von räumlichen Beziehungen.
- Funktionsweise der Hot-Spot-Analyse (Getis-Ord Gi*) umfasst eine Erläuterung zum Ermitteln eines geeigneten Analysemaßstabs.
- Eine aktuelle Liste aller verfügbaren Ressourcen für die räumliche Statistik finden Sie auf der Seite Spatial Statistics Resources .