Autocorrelación espacial (I de Moran global) (Estadística espacial)

Resumen

Mide la autocorrelación espacial en base a las ubicaciones de entidades y los valores de atributo mediante la estadística I de Moran global.

You can access the results of this tool (including the optional report file) from the Results window. If you disable background processing, results will also be written to the Progress dialog box.

Más información sobre cómo funciona Autocorrelación espacial (I de Moran global)

Ilustración

Global Moran's I illustration

Uso

Sintaxis

SpatialAutocorrelation_stats (Input_Feature_Class, Input_Field, Generate_Report, Conceptualization_of_Spatial_Relationships, Distance_Method, Standardization, Distance_Band_or_Threshold_Distance, {Weights_Matrix_File})
ParámetroExplicaciónTipo de datos
Input_Feature_Class

La clase de entidad para la que se calculará la autocorrelación espacial.

Feature Layer
Input_Field

El campo numérico utilizado en la evaluación de la autocorrelación espacial.

Field
Generate_Report
  • NO_REPORTNo se crea un resumen gráfico (predeterminado).
  • GENERATE_REPORTSe crea un resumen gráfico como un archivo HTML.
Boolean
Conceptualization_of_Spatial_Relationships

Especifica cómo se conceptualizan las relaciones espaciales entre las entidades.

  • INVERSE_DISTANCELas entidades vecinas tienen mayor influencia sobre los cálculos de una entidad de destino que las entidades que están alejadas.
  • INVERSE_DISTANCE_SQUAREDEs igual que INVERSE_DISTANCE excepto que la pendiente es más nítida, de modo que la influencia cae en forma más rápida y sólo los vecinos más cercanos de la entidad de destino ejercerán una influencia sustancial en los cálculos de esa entidad.
  • FIXED_DISTANCE_BANDCada entidad se analiza dentro del contexto de las entidades vecinas. Las entidades vecinas dentro de la distancia crítica especificada reciben un peso de 1, y ejercen influencia sobre los cálculos de la entidad de destino. Las entidades vecinas fuera de la distancia crítica reciben un peso de cero y no tienen influencia sobre los cálculos de una entidad de destino.
  • ZONE_OF_INDIFFERENCELas entidades dentro de la distancia crítica especificada de una entidad de destino reciben un peso de 1 y ejercen influencia sobre los cálculos de esa entidad. Una vez que se excede la distancia crítica, los pesos (y la influencia que una entidad vecina tiene sobre los cálculos de una entidad de destino) disminuyen con la distancia.
  • POLYGON_CONTIGUITY_(FIRST_ORDER)Sólo las entidades de polígono vecinas que comparten un límite tendrán influencia sobre los cálculos de la entidad poligonal de destino. (Se requiere una licencia de ArcInfo)
  • GET_SPATIAL_WEIGHTS_FROM_FILELas relaciones espaciales se definen en un archivo de ponderaciones espaciales. La ruta al archivo de ponderaciones espaciales se especifica en el parámetro Archivo de matriz de ponderaciones.
String
Distance_Method

Especifica cómo se calculan las distancias desde cada entidad hasta las entidades vecinas.

  • EUCLIDEAN_DISTANCELa distancia en línea recta entre dos puntos
  • MANHATTAN_DISTANCELa distancia entre dos puntos medida a lo largo de los ejes en ángulos rectos (manzana); se calcula al sumar la diferencia (absoluta) entre las coordenadas x e y
String
Standardization

Se recomienda la estandarización de filas siempre que la distribución de las entidades esté potencialmente influenciada debido al diseño de muestreo o a un esquema de agregación impuesto.

  • NINGUNONo se aplica la estandarización de ponderaciones espaciales.
  • ROWLas ponderaciones espaciales se estandarizan; cada peso se divide por la suma de su fila (la suma de los pesos de todas las entidades vecinas).
String
Distance_Band_or_Threshold_Distance

Especifica una distancia de valor límite para las opciones Distancia inversa y Distancia fija. Las entidades que están fuera del valor límite especificado para una entidad de destino se ignoran en el análisis de esa entidad. Sin embargo, para la Zona de indiferencia, la influencia de las entidades que están fuera de la distancia dada se reduce con la distancia, mientras que aquellas que están dentro del umbral de distancia se consideran por igual. El valor introducido debe coincidir con el del sistema de coordenadas de salida.

Para las conceptualizaciones de relaciones espaciales de la Distancia inversa, un valor de 0 indica que no se aplica una distancia de umbral; cuando este parámetro se deja en blanco, se calcula y se aplica un valor de umbral predeterminado. Este valor predeterminado es la distancia euclidiana que garantiza que cada entidad tenga como mínimo un vecino.

Este parámetro no tiene efecto cuando se seleccionan las conceptualizaciones espaciales Contigüidad de polígono u Obtener ponderaciones espaciales a partir del archivo.

Double
Weights_Matrix_File
(Opcional)

La ruta a un archivo que contiene las ponderaciones espaciales que definen las relaciones espaciales entre las entidades.

File

Ejemplo de código

Ejemplo 1 de SpatialAutocorrelation (ventana de Python)

La siguiente secuencia de comandos de la ventana de Python muestra cómo utilizar la herramienta SpatialAutocorrelation.

import arcpy arcpy.env.workspace = r"c:\data" arcpy.SpatialAutocorrelation_stats("olsResults.shp", "Residual","NO_REPORT", "GET_SPATIAL_WEIGHTS_FROM_FILE","EUCLIDEAN DISTANCE", "NONE", "#","euclidean6Neighs.swm")
Ejemplo 2 de SpatialAutocorrelation (secuencia de comandos de Python independiente)

La siguiente secuencia de comandos de Python independiente muestra cómo utilizar la herramienta SpatialAutocorrelation.

# Analyze the growth of regional per capita incomes in US # Counties from 1969 -- 2002 using Ordinary Least Squares Regression  # Import system modules import arcpy  # Set the geoprocessor object property to overwrite existing outputs arcpy.gp.overwriteOutput = True  # Local variables... workspace = r"C:\Data"  try:     # Set the current workspace (to avoid having to specify the full path to the feature classes each time)     arcpy.workspace = workspace      # Growth as a function of {log of starting income, dummy for South     # counties, interaction term for South counties, population density}     # Process: Ordinary Least Squares...      ols = arcpy.OrdinaryLeastSquares_stats("USCounties.shp", "MYID",                          "olsResults.shp", "GROWTH",                         "LOGPCR69;SOUTH;LPCR_SOUTH;PopDen69",                         "olsCoefTab.dbf",                         "olsDiagTab.dbf")      # Create Spatial Weights Matrix (Can be based off input or output FC)     # Process: Generate Spatial Weights Matrix...      swm = arcpy.GenerateSpatialWeightsMatrix_stats("USCounties.shp", "MYID",                         "euclidean6Neighs.swm",                         "K_NEAREST_NEIGHBORS",                         "#", "#", "#", 6)                                # Calculate Moran's I Index of Spatial Autocorrelation for      # OLS Residuals using a SWM File.       # Process: Spatial Autocorrelation (Morans I)...           moransI = arcpy.SpatialAutocorrelation_stats("olsResults.shp", "Residual",                         "NO_REPORT", "GET_SPATIAL_WEIGHTS_FROM_FILE",                          "EUCLIDEAN_DISTANCE", "NONE", "#",                          "euclidean6Neighs.swm")  except:     # If an error occurred when running the tool, print out the error message.     print arcpy.GetMessages()

Entornos

Sistema de coordenadas de salida

La geometría de entidades se proyecta al sistema de coordenadas de salida antes del análisis. Todos los cálculos matemáticos se basan en la referencia espacial del sistema de coordenadas de salida.

Temas relacionados

Información de licencia

ArcView: Sí
ArcEditor: Sí
ArcInfo: Sí

7/11/2012