ArcGIS Desktop

  • ArcGIS Pro
  • ArcMap

  • My Profile
  • Hilfe
  • Sign Out
ArcGIS Desktop

ArcGIS Online

Die Mapping-Plattform für Ihre Organisation

ArcGIS Desktop

Ein vollständiges professionelles GIS

ArcGIS Enterprise

GIS in Ihrem Unternehmen

ArcGIS Developers

Werkzeuge zum Erstellen standortbezogener Apps

ArcGIS Solutions

Kostenlose Karten- und App-Vorlagen für Ihre Branche

ArcGIS Marketplace

Rufen Sie Apps und Daten für Ihre Organisation ab.

  • Dokumentation
  • Support
Esri
  • Anmelden
user
  • Eigenes Profil
  • Abmelden

ArcMap

  • Startseite
  • Erste Schritte
  • Karte
  • Analysieren
  • Verwalten von Daten
  • Werkzeuge
  • Erweiterungen

Überblick über das Toolset "Modellierung von räumlichen Beziehungen"

Außer zum Analysieren räumlicher Muster kann die GIS-Analyse auch verwendet werden, um Beziehungen zwischen Features zu untersuchen oder zu quantifizieren. Mit den Werkzeugen im Toolset "Modellierung von räumlichen Beziehungen" können räumliche Gewichtungsmatrizen erstellt oder räumliche Beziehungen mit Regressionsanalysen modelliert werden.

Werkzeuge zur Erstellung von Dateien mit räumlicher Gewichtungsmatrix messen, wie Features in einem Dataset im Raum zueinander in Beziehung stehen. Eine räumliche Gewichtungsmatrix ist eine Repräsentation der räumlichen Struktur von Daten: der räumlichen Beziehungen zwischen den Features im Dataset.

In einer echten räumlichen Statistik werden Informationen zu Raum und räumlichen Beziehungen in die zugehörige Mathematik integriert. Die folgenden Werkzeuge in der Toolbox "Spatial Statistics" unterstützen eine Datei mit räumlicher Gewichtungsmatrix: Räumliche Autokorrelation (Morans I), Cluster- und Ausreißeranalyse (Anselin Local Morans I) und Hot-Spot-Analyse (Getis-Ord Gi*).

Die Regressionswerkzeuge in der Toolbox "Spatial Statistics" modellieren Beziehungen zwischen Datenvariablen, die mit geographischen Features verknüpft sind, sodass Sie Vorhersagen für unbekannte Werte machen können; außerdem erleichtert es Ihnen das Verständnis der Schlüsselfaktoren, die eine zu modellierende Variable beeinflussen. Mithilfe von Regressionsmethoden können Sie Beziehungen überprüfen und die Stärke dieser Beziehungen messen. Mit der Regressionsanalyse können Sie eine große Anzahl von Kleinste Quadrate (Ordinary Least Squares, OLS)-Modellen schnell untersuchen, Variablenbeziehungen zusammenfassen und bestimmen, ob eine Kombination von potenziellen erklärenden Variablen alle Anforderungen der OLS-Methode erfüllt.

WerkzeugBeschreibung

Regressionsanalyse

Mit dem Werkzeug für die Regressionsanalyse werden alle möglichen Kombinationen von potenziellen erklärenden Variablen ausgewertet. Hierbei wird nach OLS-Modellen gesucht, die die abhängige Variable im Kontext von benutzerdefinierten Kriterien am besten erläutern.

Räumliche Gewichtung des Netzwerks generieren

Erstellt eine Datei mit räumlicher Gewichtungsmatrix (.swm) unter Verwendung eines Netzwerk-Datasets, wobei die räumlichen Beziehungen zwischen Features in Bezug auf die zugrunde liegende Netzwerkstruktur definiert werden.

Räumliche Gewichtungsmatrix erstellen

Hiermit wird eine Datei (.swm) mit einer räumlichen Gewichtungsmatrix erstellt, die die räumlichen Beziehungen zwischen Features in einem Dataset wiedergibt.

Geographisch gewichtete Regression

Führt eine geographisch gewichtete Regression (GWR) aus, eine lokale Form linearer Regression zur Modellierung räumlich variierender Beziehungen.

Kleinste Quadrate (Ordinary Least Squares)

Führt eine globale lineare OLS-Regression aus, um Vorhersagen zu generieren oder eine abhängige Variable in Hinsicht auf ihre Beziehungen zu einem Satz erklärender Variablen zu modellieren.

Verwandte Themen

  • Überblick über die Toolbox "Spatial Statistics"

ArcGIS Desktop

  • Startseite
  • Dokumentation
  • Support

ArcGIS

  • ArcGIS Online
  • ArcGIS Desktop
  • ArcGIS Enterprise
  • ArcGIS
  • ArcGIS Developer
  • ArcGIS Solutions
  • ArcGIS Marketplace

Über Esri

  • Über uns
  • Karriere
  • Esri Blog
  • User Conference
  • Developer Summit
Esri
Wir sind an Ihrer Meinung interessiert.
Copyright © 2021 Esri. | Datenschutz | Rechtliches