| ラベル | 説明 | データ タイプ |
入力フィーチャ | 予測モデルで使用される説明変数と従属変数のフィールドを含む入力フィーチャ。 | Feature Layer |
入力フィールド | 予測モデルで使用される説明変数と従属変数の入力フィールド。 | Field |
出力フィーチャ | 予測モデルで追加の説明変数として使用できる空間コンポーネントのフィールドを含む出力フィーチャ。 | Feature Class |
入力フィーチャからすべてのフィールドを追加 (オプション) | 入力フィーチャから出力フィーチャクラスにすべてのフィールドをコピーするかどうかを指定します。
| Boolean |
入力空間加重マトリックス ファイル (オプション) |
空間コンポーネントの説明変数の作成に使用される SWM の候補として使用される入力 SWM ファイル (.swm) のリスト。 ファイルが指定されていな場合、このツールは 28 個の異なる近傍をテストします。 | File |
出力空間加重マトリックス ファイル (オプション) | ツールにより選択された近傍と加重の出力 SWM ファイル (.swm)。 入力 .swm ファイルを指定した場合、このパラメーターは適用されません。 | File |
一意の ID フィールド (オプション) | 出力 .swm ファイルの一意の ID フィールド。 このフィールドは整数でなければならず、入力フィーチャごとに個別値が必要です。 | Field |
入力空間加重マトリックスのみを比較 (オプション) | [入力空間加重マトリックス ファイル] パラメーターで指定されている .swm ファイルのみをテストするか、28 個の追加の近傍もテストするかを指定します。 このツールは、入力フィールドの値を最も正確に予測する空間コンポーネントを作成する SWM を使用します。 このパラメーターは、少なくとも 1 つの入力 SWM が指定されている場合にのみ適用されます。
| Boolean |
サマリー
1 つ以上の数値フィールドの空間パターンを最もよく記述し、予測モデルまたは回帰モデルで有益な説明変数となる一連の空間コンポーネント フィールドを作成します。
入力フィールドは、予測モデルで使用される説明変数と従属変数である必要があります。 作成される空間コンポーネント フィールド (Moran の固有ベクトルと呼ばれる) は、(元の説明変数に加えて) 他の変数の空間パターンを考慮してモデルの予測機能を改善することが多い説明変数として使用できます。
図
使用法
このツールは、入力フィールドの値を最も正確に予測できる空間コンポーネントを作成します。 各コンポーネントは空間パターンを表し、選択したコンポーネントは入力フィールドのパターンに最も近いパターンのコンポーネントです。 たとえば、フィールドに西から東への広いトレンドがあるが、低い値と高い値の小さなクラスターも含まれている場合、西から東へのトレンドを表すコンポーネントとクラスターを表すコンポーネントの 2 つを組み合わせることで、パターンを表すことができます。 説明変数と従属変数の空間パターンに似た説明変数を含めることにより、[一般化線形回帰分析 (Generalized Linear Regression)] や [フォレストベースおよびブースト分類と回帰分類 (Forest-based and Boosted Classification and Regression)] などの予測ツールと回帰分析ツールで空間的な効果が考慮されます。 空間的な効果を考慮することにより、通常、これらの非空間予測モデルはより正確に予測し、空間バイアス (残差内の空間パターンなど) が削減されることがよくあります。 これは、特定のエリアがモデルにより体系的に過小または過大に予測されないようにするために重要です。 さらに、説明変数の係数は、空間的な効果により生じたノイズを除去しながら説明変数と従属変数の直接的な関係を推定するため、容易に解釈できます。
このツールは予測モデルで使用できる説明変数を作成することを目的にしていますが、予測モデルの残差フィールドまたは標準残差フィールドから空間的自己相関を削除することにより、この目的で [フィールドから空間的自己相関分析をフィルター (Filter Spatial Autocorrelation From Field)] ツールを使用することもできます。 残差の空間的自己相関を効果的にフィルターする空間コンポーネントは有益な説明変数であることが多く、少ないコンポーネントを説明変数として使用してこのツールに同等のモデルの改善を提供することがよくあります。 両ツールを試し、(調整済み相関係数の二乗値または AIC 値の比較などにより) 元の予測モデルでそれぞれの空間コンポーネントを含めた結果を比較することをお勧めします。
空間コンポーネントは出力フィーチャクラスのフィールドとして返され、アクティブなマップでツールを実行した場合、最初の空間コンポーネントに基づいて出力フィーチャ レイヤーが描画されます。 元の説明変数と空間コンポーネントの説明変数を使用して入力フィーチャクラスと出力フィーチャクラスをマージせずに予測ツールで従属変数を予測できるよう、入力フィールドも出力フィーチャクラスに含まれます。
「ジオプロセシング メッセージ」には、入力フィールドの空間的フィルターに使用された一連の空間コンポーネントをリストした次のテーブルが含まれています。
- 近傍検索履歴 - テスト済み空間加重マトリックス (SWM) ごとに、SWM の詳細 (近傍数や加重スキームなど)、すべてのコンポーネントを使用する場合の p 値と調整済み相関係数の二乗値、選択したコンポーネントのみを使用する場合の調整済み相関係数の二乗値、選択したコンポーネントの数が表示されます。 選択したコンポーネントを使用した最も高い調整済み相関係数の二乗値を持つ SWM がコンポーネントの作成に使用され、太字のテキストとアスタリスクで示されます。
- 空間コンポーネント検索履歴 - 選択した SWM について、各コンポーネントの ID 値 (例: ID 4 は 4 番目の空間コンポーネントであったことを意味します)、コンポーネントの Moran's I 値と p 値、コンポーネントの調整済み相関係数の二乗値 (以前に選択したコンポーネントをすべて含む) が表示されます。 行は、最も効果的に入力フィールドを個別に予測したコンポーネント (最も高い相関係数の二乗値) の順に並べられます。
このツールは、空間コンポーネントの作成に使用する SWM を選択するため、候補となる SWM のリストを生成し、どの SWM が入力フィールドの値を最も正確に予測する空間コンポーネントを作成するかをテストします。 [入力空間加重マトリックス ファイル] パラメーターで SWM ファイルを指定していない場合、28 個の SWM が作成されて候補リストに追加されます (各 SWM については、「Moran の固有ベクトルの概要」をご参照ください)。 入力 SWM を指定している場合、[入力空間加重マトリックスのみを比較] パラメーターを使用して、指定した SWM のみを候補リストに含めるか、指定した SWM とツールによって作成された 28 個の SWM を含めるかを指定できます。 たとえば、指定した 1 つの SWM を使用するには、[入力空間加重マトリックス ファイル] パラメーターでその SWM を指定し、[入力空間加重マトリックスのみを比較] パラメーターをオンのままにします。
このツールは、次の手順を使用して、候補の中から SWM を選択します。
- 28 個の候補の SWM それぞれについて、すべての空間コンポーネントを説明変数として使用して入力フィールドを予測することによって、SWM の統計的有意性が検定されます。 有意性検定はすべての入力フィールドから結合された相関係数の二乗を使用して、テストされた SWM の数を考慮するよう p 値へのシダック補正を実行します。 統計的に有意でない SWM は候補リストから削除されます。
- 残りの候補の SWM それぞれについて、空間コンポーネントが順番に説明変数として追加されます。この処理は、次のコンポーネントが統計的に有意でないか (p 値が 0.05 より大きい)、そのコンポーネント (およびこれまでに選択したすべてのコンポーネント) の調整済み決定係数の値が、SWM のすべてのコンポーネントを使用した場合の調整済み決定係数の値を超えるまで続けられます。 新しいコンポーネントはそれぞれ、入力フィールドの予測に使用される最も高い統計的有意性 (最も低い p 値) を持つコンポーネントを検索することで選択されます。
- 結果の調整済み決定係数の値が最も大きい SWM が最終 SWM として選択され、選択された空間コンポーネントの関連セットが出力フィーチャクラスにフィールドとして返されます。
この手順は FWD (Forward) 選択方法と呼ばれ、次のリファレンスで詳しく説明します。
Blanchet, F. Guillaume, Pierre Legendre, and Daniel Borcard. 2008. "Forward selection of explanatory variables." Ecology 89, no. 9: 2623-2632.「https://doi.org/10.1890/07-0986.1」.
パラメーター
arcpy.stats.CreateSpatialComponentExplanatoryVariables(in_features, input_fields, out_features, {append_all_fields}, {in_swm}, {out_swm}, {id_field}, {compare_only_inputs})| 名前 | 説明 | データ タイプ |
in_features | 予測モデルで使用される説明変数と従属変数のフィールドを含む入力フィーチャ。 | Feature Layer |
input_fields [input_fields,...] | 予測モデルで使用される説明変数と従属変数の入力フィールド。 | Field |
out_features | 予測モデルで追加の説明変数として使用できる空間コンポーネントのフィールドを含む出力フィーチャ。 | Feature Class |
append_all_fields (オプション) | 入力フィーチャから出力フィーチャクラスにすべてのフィールドをコピーするかどうかを指定します。
| Boolean |
in_swm [in_swm,...] (オプション) |
空間コンポーネントの説明変数の作成に使用される SWM の候補として使用される入力 SWM ファイル (.swm) のリスト。 ファイルが指定されていな場合、このツールは 28 個の異なる近傍をテストします。 | File |
out_swm (オプション) | ツールにより選択された近傍と加重の出力 SWM ファイル (.swm)。 入力 .swm ファイルを指定した場合、このパラメーターは適用されません。 | File |
id_field (オプション) | 出力 .swm ファイルの一意の ID フィールド。 このフィールドは整数でなければならず、入力フィーチャごとに個別値が必要です。 | Field |
compare_only_inputs (オプション) | in_swm パラメーターで指定されている .swm ファイルのみをテストするか、28 個の追加の近傍もテストするかを指定します。 このツールは、入力フィールドの値を最も正確に予測する空間コンポーネントを作成する SWM を使用します。 このパラメーターは、少なくとも 1 つの入力 SWM が指定されている場合にのみ適用されます。
| Boolean |
コードのサンプル
次の Python ウィンドウ スクリプトは、CreateSpatialComponentExplanatoryVariables 関数の使用方法を示しています。
# Create fields that describe the spatial patterns of POPULATION.
arcpy.env.workspace = r"c:\data\project_data.gdb"
arcpy.stats.CreateSpatialComponentExplanatoryVariables(
in_features="states",
input_fields="POPULATION",
out_features=r"myOutputFeatureClass",
append_all_fields="ALL",
in_swm=None,
out_swm=None,
id_field=None
)次のスタンドアロン スクリプトで、CreateSpatialComponentExplanatoryVariables 関数を使用する方法を示します。
# Create fields that describe the spatial patterns of two analysis fields.
import arcpy
# Set the current workspace.
arcpy.env.workspace = r"c:\data\project_data.gdb"
# Run the tool.
arcpy.stats.CreateSpatialComponentExplanatoryVariables(
in_features="myFeatureClass",
input_fields="myAnalysisField1;myAnalysis Field2",
out_features=r"myOutputFeatureClass",
append_all_fields="ALL",
in_swm=None,
out_swm=None,
id_field=None
)
# Print the messages.
print(arcpy.GetMessages())