“计算密度比”使用两个输入点数据集来计算空间相对风险表面。 该比率中的分子代表案例，例如犯罪数量或患者人数，而分母代表对照，例如总人口。
“计算密度比率”使用相同的计算方式将密度表面创建为计算密度。 “计算密度”和“计算密度比”的输出可能很相似；但是，“计算密度比”的输出是归一化的值，这意味着它显示的是一个比例值，而“计算密度”的输出则不是这样。 当正在分析的现象需要对照（例如总人口）的时候，请使用密度比。
在计算比率之前，将使用核密度计算各个密度表面。
示例
一名流行病学家正在研究某种疾病的发病率，以确定某些地区的高发病率是否可能与环境因素有关。 使用发病率作为分子，总人口作为分母来计算密度比。 结果表面将显示按人口密度归一化的发病密度，从而可以确定发病率高于预期的地区。
有关完整的工作流，请参阅创建 COVID-19 相对风险表面博客。
使用“计算密度比”功能
您可以在具有点图层的地图上运行“计算密度比”。 需要两个单独的数据集作为输入。
完成以下步骤以运行“计算密度比”分析功能：
- 如有必要，请单击地图卡片将其激活。
工具栏和操作按钮
出现时，卡片处于活动状态。 - 单击操作按钮，然后选择计算密度比。
- 对于选择点图层，选择您想用于分子和分母的图层。
- 展开其他选项，然后根据需要，输入权重（分子和分母）、搜索半径（带宽）（分子和分母）和像元大小参数值。
- 单击运行。
用法说明
选择点图层参数用于选择数据集以计算分子和分母的密度。 仅点要素可用作输入。
展开其他选项以显示权重、搜索半径（带宽）和像元大小参数。 下表对以上参数进行了汇总，其中包括其默认值：
| 参数 | 描述 | 默认值 |
|---|---|---|
权重 | 表示每个要素值的字段。 例如，如果您拥有包含收入字段的零售点位置数据集，则可以使用收入字段作为权重，基于销售量而非位置来创建密度表面。 权重字段分别应用于分子和分母。 | 所有要素权重都为 1（换言之，密度表面仅基于要素的位置）。 |
搜索半径（带宽） | 查找与焦点要素位于同一邻域范围内的输入要素所使用的距离（单位为英里、英尺、千米或米）。 搜索半径（带宽）字段分别应用于分子和分母。 | 可以使用 Silverman 经验规则为输入数据集计算相应的搜索距离。 搜索距离是针对分子和分母分别计算的。 |
像元大小 | 将用于创建密度比表面的输出要素的大小。 | 根据输入数据集中要素的范围和数量，计算适当的像元大小。 |
将使用包含 10 个分类的默认相等间隔分类，按计数和数量（颜色）来设置结果数据集的样式。
翻转卡片按钮 
用于查看卡片背面的信息，其中包括搜索半径（分子和分母）以及带宽的值。
局限性
只可计算点要素的密度比。
Google BigQuery、Snowflake 以及不支持开箱即用的数据库平台的只读连接不支持“计算密度比”。
计算密度比的工作原理
计算密度比使用核密度计算来创建密度表面；然后计算每个表面之间的比率。
使用以下等式计算密度表面之间的比率：
r(x, y)= c(x, y)/p(x, y)其中：
- r(x,y) = (x,y) 位置的比率。
- c(x,y) = (x,y) 位置的案例（分子）密度。
- p(x,y) = (x,y) 位置的对照（分母）密度。
有关核密度计算的详细信息，包括搜索半径（带宽）和像元大小的默认计算，请参阅计算密度的工作原理。