Esri公开课笔记_ArcGIS空间统计
公开课视频地址：http://v.youku.com/v_show/id_XMTUzMzE2NDM5Ng==.html
内容概要：【空间统计简介】【ArcGIS空间统计工具集介绍】【ArcGIS与R集成】
1、空间统计：将空间信息(面积、长度、邻近关系、朝向和空间关系)整合到经典统计分析中，以研究与空间位置相关的事物和现象的空间关系和空间关联，从而揭示要素的空间分布规律。
2、空间统计分析使我们更深入、定量化的了解：分布特征、空间关系、分布模式
3、ArcGIS空间统计工具集
| 分布特征分析 | 度量地理分布工具集 |
| 空间关系建模 | 空间关系建模工具集 |
| 分布模式分析 | 分析模式工具集 聚类分布制图工具集 |
 |
4、分布特征分析：
集中特征
①点集的平均中心：几何坐标均值
②点集的中位数中心：到各点的距离和最小的位置【新位置】
③点集的中心要素：在点集中找一个到其他点的距离和最小的点【旧位置】
④线集的线性方向平均值：考虑方向大小计算平均方向(向量)
【例】选仓库——中心要素；开新店——中位数中心
分散特征
①标准差椭圆 ：分XY方向分别计算标准差
②标准距离：标准差为半径，平均中心为中心的圆。XY方向合起来的总体标准差
【上面两个工具可以选择标准差级别，68%、95%、99%，数据包含量】
【例1】长轴方向：犯罪模式、疾病传播、污染物扩散等
【例2】面积覆盖:不同物种活动范围——种族隔离度、物种入侵
5、分布模式分析：集聚、离散
位置
①平均最近邻：实际距离与期望距离
【例】固定研究区内，不同类型企业分布情况
位置+属性
①全局分析：从总体上判断要素分布状态(集聚、分散)
【两个经典，统计报表形式输出】空间自相关(Moran’l莫兰指数)、高低聚类(Getis-Ord General G)
【区别】空间自相关——模式判断，集聚/离散？；高低聚类——高值聚类VS低值聚类
②局部统计：识别要素聚类或分散的位置和程度(热点、冷点)
【两个经典】聚类和异常值(Anselin Local Moran’l) 、热点分析(Getis-Ord G*)
【区别】后者没有异常值
【区别热力图】指标是聚类，不表示具体数量。热力图表示数量密度。
知识补充
Z得分表示标准偏差，P值【是一个原假设的概率】表示要素分布是完全空间随机分布的概率。
【例】Z得分=2.0，则95%置信区间内显著集聚
| Z Score(标准差) | P-Value(可能性) | 置信区间 |
| +/-1.65 | 0.10 | 90% |
| +/-1.96 | 0.05 | 95% |
| +/-2.58 | 0.01 | 99% |
6、空间关系建模
空间回归在经典统计回归分析中考虑了空间自相关性，通过空间关系把属性数据和空间位置关系结合起来
【两个经典】OLS(普通最小二乘回归)【全局统一】、GWR(地理加权回归)【不同子研究区可以有不同的加权方式】
7、因为工具的黑箱及数量有限，ArcGIS集成了R语言
8、R语言：①用于统计计算和作图的语言；②数据计算和分析的环境；③大量第三方功能包6000+，开源
9、安装：https://r-arcgis.github.io/
环境要求：①ArcMap10.3.1以上或ArcGIS Pro1.1以上；②R3.1.0级以上；③网络连接
 |
10、集成原理——arcgisbinding包【17个函数】：
【R】可以直接读取ArcGIS支持的空间数据类型——arc.check_product()、arc.open();arc.write()、arc.shape();arc.shapeinfo()、arc.select()【转换格式】等
【ArcGIS】识别R源码封装成的GP工具，从而调用R的分析功能
11、Demo：疾病预测
转载自：https://blog.csdn.net/jianbinzheng/article/details/51193286
