空间自相关Morans27I.docx

空间自相关Morans27I.docx

《空间自相关Morans27I.docx》由会员分享，可在线阅读，更多相关《空间自相关Morans27I.docx（8页珍藏版）》请在冰豆网上搜索。

空间自相关Morans27I

重庆各区县乡村人口所占比例的空间自相关分析

选题：

在ArcGIS中分别计算全局Moran’I指数和局部Moran’I指数，分析重庆各区县乡村人口所占比例的空间关联程度。

实验目的：

根据重庆市各区县之间的邻接关系，采用二进制邻近权重矩阵，选取各区县2008年的重庆各区县的总人口及乡村人口，计算出重庆各区县乡村人口所占的比例，在ArcGIS里面分别计算全局Moran’I指数和局部Moran’I指数，分析空间关联程度。

实验数据：

1．重庆统计年鉴中2008年重庆市各区县的总人口及乡村人口数量（excel表格）

2．重庆市各区县的矢量图（shp.文件）

软件：

ArcGIS10.2

操作过程与结果分析：

第一步：

导入Excel数据文件和重庆市各区县的矢量图 ，并建立关联 

1. Catalog——FolderConnections，在对应的文件夹下打开重庆市各区县城镇化率的EXCEL表格及重庆市各区县shp文件

2.右键单击重庆区县界shp.文件后，JoinsandRelates——Join，选择“地区”为关联字段，将两个文件关联起来

3.右键单击关联后的重庆区县界shp.文件，导出为Export_Output文件，新文件的属性表如下：

第二步：

计算全局MoransI

1.打开ArcToolbox，选择SpatialStatisticsTools——AnalyingPatterns——SpatialAutocorrelation（MoransI）选择二进制邻接矩阵方法来确定空间权重矩阵（即当区域i和具有公共边或公共点时，两区域的距离矩阵设为1，若不相邻接，其距离矩阵设为0），选择欧式距离作为计算距离的方法，对数据进行标准化处理后计算全局Moran’I指数度量空间自相关

2.输出结果：

3.结果分析：

Z得分值在[-1.65,1.65]之间，区县乡村人口所占比例的观测值在空间上表现为独立随机分布；Z值大于1.65且显著时相似观察值在空间上表现为集聚分布（高值或低值），小于-1.65且显著时相似观测值在空间上趋于分散分布。

2008年，重庆市各区县城镇化率的全局Moran’sI指数为正值I=0.414678，对应的标准化统计量Z=4.663389，在正态分布的假设下显著性水平P值为0.000003，对Moran指数检验的结果高度显著，在随机分布假设下，Moran指数I的期望值与方差值分别为-0.026316和0.008943。

说明从整体来看，2008年重庆市各区县乡村人口所占比例存在正的空间自相关，表现为低低集聚，各区县乡村人口所占比例的空间分布并非完全是随机性分布的，而是表现出相似值之间的空间集聚性。

第三步：

计算局部MoransI

1.打开ArcToolbox，选择SpatialStatisticsTools——MappingClusters—ClusterandOutlierAnalysis，选择二进制邻接矩阵方法来确定空间权重矩阵，最后得到重庆市各区县城镇化率的局部Moran’I指数以及相对应的Z统计值和P值

2.输出结果：

2.结果分析：

属性表里面生成各区县对应的局部Moran’I指数以及对应的统计值Z和显著性水平P值，Moran’I指数为正且Z值为正并且在显著性水平α=0.05的条件下通过检验的区域相似值（高值与低值）趋于空间集聚，如下表：

满足这一条件的区县包括大渡口区、九龙坡区、南岸区、渝中区、江北区、渝北区、沙坪坝区、北碚区、在空间上表现为高高集聚或低低集聚。

表中Moran指数和Z值都为负的区县，显著性水平没有通过检验，其在空间上的分布呈现出一定的随机性，这主要是因为这些地区邻近趋于经济水平呈现出一定差异性，并没有显著的空间关联。

Moran’I指数一般为[-1,1]，表中输出结果中部分区县Moran’I指数略大于1，原因在于这些区域的乡村人口所占比例与全市平均水平相差较大，出现极高或极低值，这并不影响对空间关联的分析。

图中分析结果表明大渡口区、九龙坡区、南岸区、渝中区、江北区、渝北区、沙坪坝区、北碚区的Z值在0.05的显著性水平下显著，出现低低聚集。