Анализ структурных закономерностей географических данных важен для понимания поведения географических явлений.
Хотя вы можете получить общее представление о типах распределения пространственных объектов и связанных с ними значениях с помощью карты, вычисление статистических показателей позволяет определить количественные показатели имеющихся структурных закономерностей. Это позволяет облегчить сравнение структурных закономерностей по различным типам распределений, а также по различным периодам времени. Часто, инструменты группы Анализ структурных закономерностей используются в качестве отправной точки для последующего углубленного анализа. Например, когда инструмент Пошаговая пространственная автокорреляция (Incremental Spatial Autocorrelation) используется для определения расстояний, где обработка структурных закономерностей наиболее востребована, с его помощью можно выбрать подходящее расстояние (масштаб анализа) для поиска "горячих точек" (Анализ "горячих точек").
Инструменты группы Анализ структурных закономерностей относятся к инструментам статистики логического вывода; их работа начинается с нулевой гипотезы, что пространственные объекты, или значения, связанные с ними, демонстрируют случайную пространственную закономерность. Затем вычисляется p-значение, отражающее вероятность правильности нулевой гипотезы (т. е., что наблюдаемая модель данных является одной из множеств возможных вариантов полной пространственной хаотичности). Вычисление вероятности может быть важно, если вам требуется высокий уровень достоверности для принятия определенного решения. Если от вашего решения зависит, например, общественная безопасность или соблюдение законодательства, может потребоваться обоснование принятого решения с помощью статистических доказательств.
Инструменты группы Анализ структурных закономерностей используют статистику, позволяющую измерять большое количество пространственных закономерностей. С помощью этих инструментов можно ответить на вопросы "Применена ли к пространственным объектами набора данных или связанным с ними значениям пространственная кластеризация?" и "Усиливается ли кластеризация со временем или нет?". В следующей таблице приводится список доступных инструментов и дается их краткое описание.
| Инструмент | Описание |
|---|---|
Вычисляет индекс ближайшего соседства на основе среднего расстояния от каждого объекта до ближайшего к нему соседнего объекта. | |
Измеряет степень кластеризации высоких или низких значений, используя расчет глобального индекса Getis-Ord G. | |
Измеряет пространственную автокорреляцию для серии расстояний и при необходимости создает линейный график этих расстояний и соответствующих z-оценок. z-оценки отражают интенсивность пространственной кластеризации, а статистически значимые и увеличивающиеся пиковые z-оценки обозначают расстояния, на которых пространственные процессы, обеспечивающие пространственную кластеризацию, наиболее выражены. Эти пиковые расстояния часто нужно использовать в инструментах с параметром Диапазон расстояний или Радиус расстояний. | |
Измеряет пространственную автокорреляцию на основе местоположений пространственных объектов и атрибутивных значений, используя статистику общего индекса I Морана. | |
Многовариантный пространственный кластерный анализ (Ripleys K Function) | Определяет, проявляют ли пространственные объекты, или ассоциированные с ними значения, статистически значимую кластеризацию или дисперсию по диапазону расстояний. |