Доступно с лицензией Geostatistical Analyst.
Выбор размера лага имеет большое влияние на эмпирическую вариограмму. Например, если размер лага слишком большой, автокорреляция c малым диапазоном может быть замаскирована. Если размер лага слишком маленький, может присутствовать слишком большое число пустых бинов, а размеры выборок в бинах могут быть слишком маленькими для получения репрезентативного среднего для бинов.
Если опорные точки размещены по регулярной сетке, шаг сетки может быть хорошим индикатором размера лага. Однако, если данные собираются с использованием случайного или нерегулярного плана выборки, выбор подходящего размера лага становится более сложным. На практике рекомендуется умножить размер лага на число лагов; это должно составлять примерно половину самого большого расстояния между любыми точками. Также, если диапазон подобранной модели вариограммы очень мал по сравнению с экстентом эмпирической вариограммы, можно уменьшить размер лага. Если диапазон подобранной модели вариограммы, напротив, очень большой по сравнению с экстентом эмпирической вариограммы, можно увеличить размер лага.
Другим способом определения размера лага является использование инструмента Среднее расстояние до ближайших соседей (Average Nearest Neighbor) для определения среднего расстояния между точками и их ближайшими соседями. Это обеспечивает достаточно хороший размер лага, поскольку каждый лаг будет иметь по крайней мере несколько пар точек. Инструмент Среднее расстояние до ближайших соседей (Average Nearest Neighbor) размещен в инструментах Пространственная статистика (Spatial Statistics), в группе Анализ структурных закономерностей (Analyzing Patterns). Пример использования этого инструмента приводится ниже.
Необходимо задать только входной класс пространственных объектов. Для метода определения расстояния автоматически устанавливается как Евклидово расстояние.
Результаты работы инструмента (при включенной опции фоновой геообработки) отображаются в окне Результаты (Results). NNObserved — это среднее расстояние между ближайшими соседями. Оно может использоваться в качестве размера лага для моделей вариограммы/ковариации. Если в наборе данных содержатся кластеризованные точки или образцы, может быть полезно использовать меньшее значение размера лага для получения более точной оценки самородка для модели вариограммы/ковариации.
Более подробно о подборе модели для эмпирической вариограммы