标注 | 说明 | 数据类型 |
Input Hot Spot Result 1 | 第一个热点分析结果图层。 | Feature Layer |
Input Hot Spot Result 2 | 第二个热点分析结果图层。 | Feature Layer |
输出要素 | 将包含相似度和关联度的局部测量值的输出要素类。 | Feature Class |
相邻要素的数目 (可选) | 将用于距离加权的每个要素周围的相邻要素数量。 距离加权是整体相似度的一个组成部分,在计算相似度和关联度时,邻域内具有匹配显著性级别的任何要素都将被视为部分匹配。 | Long |
置换检验次数 (可选) | 将用于估计期望相似度和 kappa 值的置换检验次数。 大量的模拟将提高估计的精度,但也会增加计算时间。
| Long |
相似度加权法 (可选) | 指定将如何定义显著性级别类别之间的相似度权重。 相似度权重是介于 0 和 1 之间的数字,用于定义预期与另一结果的类别相匹配的一个结果的类别。 值为 1 表示类别将被视为完全相同,值为 0 表示类别将被视为完全不同。 0 和 1 之间的值表示类别之间的部分相似度。 例如,99% 的显著热点可以被认为与其他 99% 的热点完全相似,与 95% 的热点部分相似,而与 99% 的冷点完全不同。
| String |
类别相似度权重 (可选) | 显著性级别类别之间的自定义相似度权重。 权重是介于 0 和 1 之间的值,表示考虑这两个类别的相似程度。 值为 0 表示类别完全不同;值为 1 表示值完全相似;0 和 1 之间的值表示类别部分相似。 在权重矩阵弹出窗口中,单击一个单元格,键入权重值,然后按 Enter 键应用权重。 | Value Table |
输入权重表 (可选) | 该表包含热点显著性级别类别的每个组合的自定义相似度权重。 输入表必须包含 CATEGORY1、CATEGORY2 和 WEIGHT 字段。 在类别字段中提供对(输入图层的 Gi_Bin 字段值)的显著性级别类别,并在权重字段中提供它们之间的相似度权重。 如果表中未提供组合,则假定该组合的权重为 0。 | Table View |
排除不显著的要素 (可选) | 指定如果两个热点结果都不显著,是否将要素对排除在比较之外。 如果排除,将计算条件相似度和 kappa 值,这些值仅比较统计显著的热点和冷点。 如果您只关注输入图层的热点和冷点是否对齐,而不关注非显著性区域是否对齐时,建议排除要素,例如比较收入中位数的热点和冷点是否与食物获取的热点和冷点相对应。
如果任何显著性级别类别被分配给非显著类别的相似度权重为 1(表示该类别将被视为与非显著类别相同),如果具有该类别的要素与另一个非显著要素配对,则它们也将被排除在比较之外。 | Boolean |
派生输出
标注 | 说明 | 数据类型 |
全局相似度值 | 热点结果之间的相似度值。 | Double |
全局期望相似值 | 热点结果之间相似度的期望值。 | Double |
全局空间模糊 Kappa | 热点结果之间经过空间调整的模糊 kappa 值。 | Double |
输出图层组 | 输出图层的图层组。 | Group Layer |