文档介绍：-2 -
-1 -
空间数据分析报告
—使用Moran's I统计法实现空间自相关的测度
1、 实验目的
（1） 理解空间自相关的概念和测度方法。
（2） 熟悉ArcGIS的基本操作，用Moran's I统计法实现空间自相关的测度。
2、 实验原理
空间自相关的概念来自于时间序列的自相关， 所描述的是在空间域中位置S
上的变量与其邻近位置Sj上同一变量的相关性。对于任何空间变量（属性） 乙
空间自相关测度的是Z的近邻值对于Z相似或不相似的程度。如果紧邻位置上 相互间的数值接近，我们说空间模式表现出的是正空间自相关；如果相互间的数 值不接近，我们说空间模式表现出的是负空间自相关。
如果任意位置上观测的属性值不依赖于近邻位置上的属性值， 我们说空间过
程是随机的。
Hanning则从完全独立性的角度提出更为严格的定义，对于连续空间变量丫, 若下式成立，则是空间独立的：
p（垃成血 ——
式中，n为研究区域中面积单元的数量。若变量时类型数据，则空间独立性 的定义改写成
式中，a,b是变量的两个可能的类型，i券。
Moran's I 统计
Moran'sl统计量是基于邻近面积单元上变量值的比较。 如果研究区域中邻近 面积单元具有相似的值，统计指示正的空间自相关；若邻近面积单元具有不相似 的值，则表示可能存在强的负空间相关。
-4 -
-1 -
设研究区域中存在n个面积单元，第i个单位上的观测值记为yi,观测变量 在n个单位中的均值记为y，则Moran'sI定义为
n n
X》WWj(yi-y)(yj-y)
1 =- _ 口yi - y)2 i=1
1=1 j^=1
n n
X!Wj
i=1 j=1
n n
"EWijWi-yxyj-y)
式中，等号右边第二项i=1 j=1 类似于方差，是最重要的项，事
实上这是一个协方差，邻接矩阵W和(yi-y)(yj-y)的乘积相当于规定(yi-y)(yj-y) 对邻接的单元进行计算，于是I值的大小决定于i和j单元中的变量值对于均值 的偏离符号，若在相邻的位置上，yi和yj是同号的，则I为正；yi和yj是异号的，
C(h) ="N(hT }^{z(si)"?}{z(sj)"?}
则I为负。在形式上Moran's I与协变异图 N(h) 相联
系。
Moran'sI指数的变化范围为(-1,1)。如果空间过程是不相关的，则I的期望 接近于0,当I取负值时，一般表示负自相关，I取正值，则表示正的自相关。 用I指数推断空间模式还必须与随机模式中的I指数作比较。
通过使用Moran's I工具，会返回Moran'sI Index值以及Z Score值。如果Z score值小于-,那么返回的统计结果就是可采信值。如果Z score ，则分布为聚集的；如果 Z score为负且小于-，则分布为 离散的；其他情况可以看作随机分布。
3、实验准备
本实验在Windows 7的操作系统环境中进行，使用 ArcGis 。
此次实****提供的数据为以湖北省为目标区域的 。.dbf数据中
包括第一产业增加值，第二产业增加值万元，小学在校学生数，医院、卫生院床 位数，乡村人口万人，油料产量，城乡居民储蓄存款余额，棉花产量，地方财政
-3 -
-1 -
一般预算收入，年末总人口(万人)，粮食产量，普通中学在校生数，肉类总产量, 规模以上工业总产值现价(万元)等属性，作为分析的对象。
4、实验步骤
本报告用Moran's I检验湖北省各区域规模以上工业总产值现价（万元）的空 间分布的空间自相关性。
（1） Feature to Points
对于线类要素和多边形要素，程序会计算要素的几何中心点，然后对几何中 心点进行分析。这就会造成有些要素的几何中心点不在几何要素内部，如果想达 到此目的，需要先用FeaturetoPoints工具进行转换后再进行分析。
在 ArcToolbox 中选择 DataManagementTools >Features >FeatureTo
Poi nt，在 In put Features 选项中选择 bou 文件。
图1转换对话框
-4 -
-1 -
-uyi
Ei £ ho*l
口
baurrl一FmIififT oharHi'
Farm ； IM | ” 石・・卅1
仪# 回戦即::針•事斗曲 *oA・x-uy 0
图2转换结果
(2) M