Cluster- und Ausreißeranalyse (Anselin Local Morans I) (Spatial Statistics)

Lizenzstufe:BasicStandardAdvanced

Zusammenfassung

Dieses Werkzeug identifiziert in einem Satz gewichteter Features mithilfe der Anselin Local Morans I-Statistik statistisch signifikante Hot Spots, Cold Spots und räumliche Ausreißer.

Weitere Informationen zur Funktionsweise der Cluster- und Ausreißeranalyse (Anselin Local Morans I)

Bild

Abbildung "Cluster- und Ausreißeranalyse"

Verwendung

Syntax

ClustersOutliers_stats (Input_Feature_Class, Input_Field, Output_Feature_Class, Conceptualization_of_Spatial_Relationships, Distance_Method, Standardization, {Distance_Band_or_Threshold_Distance}, {Weights_Matrix_File}, {Apply_False_Discovery_Rate__FDR__Correction})
ParameterErläuterungDatentyp
Input_Feature_Class

Die Feature-Class, für die die Cluster-/Ausreißer-Analyse durchgeführt wird.

Feature Layer
Input_Field

Das Zahlenfeld, das ausgewertet werden soll.

Field
Output_Feature_Class

Die Ausgabe-Feature-Class zum Empfangen der Ergebnisfelder.

Feature Class
Conceptualization_of_Spatial_Relationships

Gibt an, wie räumliche Beziehungen zwischen Features konzeptualisiert werden.

  • INVERSE_DISTANCE —Nahe gelegene benachbarte Features haben einen größeren Einfluss auf die Berechnungen für ein Ziel-Feature als Features, die weiter weg liegen.
  • INVERSE_DISTANCE_SQUARED —Entspricht INVERSE_DISTANCE, aber aufgrund einer stärkeren Neigung fällt der Einfluss schneller ab. Nur die Nachbarn in direkter Nähe eines Ziel-Features haben dann merklichen Einfluss auf die Berechnungen für dieses Feature.
  • FIXED_DISTANCE_BAND —Jedes Feature wird im Kontext benachbarter Features analysiert. Benachbarte Features innerhalb der angegebenen kritischen Entfernung erhalten eine Gewichtung von 1 und beeinflussen die Berechnungen für das Ziel-Feature. Benachbarte Features außerhalb der kritischen Entfernung erhalten eine Gewichtung von 0 und haben keinen Einfluss auf die Berechnungen eines Ziel-Features.
  • ZONE_OF_INDIFFERENCE —Features innerhalb der angegebenen kritischen Entfernung eines Ziel-Features erhalten eine Gewichtung von 1 und beeinflussen die Berechnungen für das Feature. Sobald die kritische Entfernung überschritten wird, nimmt die Gewichtung (und somit der Einfluss eines benachbarten Features auf die Berechnung von Ziel-Features) mit der Entfernung ab.
  • CONTIGUITY_EDGES_ONLY —Nur benachbarte Polygon-Features mit einer gemeinsamen Grenze oder mit einer Überlappung beeinflussen Berechnungen für das Ziel-Polygon-Feature.
  • CONTIGUITY_EDGES_CORNERS —Polygon-Features mit einer gemeinsamen Grenze, einem gemeinsamen Knoten oder mit einer Überlappung beeinflussen Berechnungen für das Zielpolygon-Feature.
  • GET_SPATIAL_WEIGHTS_FROM_FILE —Räumliche Beziehungen werden in einer Datei mit räumlichen Gewichtungen definiert. Der Pfad zur Datei mit räumlichen Gewichtungen wird im Parameter "Gewichtungsmatrix-Datei" angegeben.
String
Distance_Method

Gibt an, wie Entfernungen von den einzelnen Features zu benachbarten Features berechnet werden.

  • EUCLIDEAN_DISTANCE —Die geradlinige Entfernung zwischen zwei Punkten (die als Luftlinie gemessene Entfernung).
  • MANHATTAN_DISTANCE —Die Entfernung zwischen zwei Punkten, die entlang von rechtwinkligen Achsen gemessen werden (Gebäudeblock). Für die Berechnung werden die (absoluten) Differenzen zwischen den X- und Y-Koordinaten berechnet.
String
Standardization

Eine Zeilenstandardisierung wird immer dann empfohlen, wenn die Verteilung der Features aufgrund einer Referenzpunkterfassung oder eines auferlegten Zusammenfassungsschemas möglicherweise verzerrt ist.

  • NONE —Es wird keine Standardisierung räumlicher Gewichtungen angewendet.
  • ROW —Räumliche Gewichtungen werden standardisiert. Jede Gewichtung wird durch ihre eigene Zeilensumme (die Summe der Gewichtungen aller benachbarten Features) dividiert.
String
Distance_Band_or_Threshold_Distance
(optional)

Gibt einen Entfernungsgrenzwert für Optionen mit inverser Entfernung und Optionen mit fester Entfernung an. Features außerhalb des angegebenen Grenzwerts für ein Ziel-Feature werden in Analysen für dieses Feature ignoriert. Mit der Indifferenzzone wird jedoch der Einfluss von Features außerhalb der angegebenen Entfernung in Abhängigkeit der Entfernung reduziert, während die Features innerhalb des Entfernungsschwellenwerts gleichmäßig berücksichtigt werden. Der eingegebene Entfernungswert sollte dem Ausgabekoordinatensystem entsprechen.

Bei Konzeptualisierungen von räumlichen Beziehungen mit inverser Entfernung gibt der Wert 0 an, dass keine Schwellenwertentfernung angewendet wird. Wenn dieser Parameter leer gelassen wird, wird ein Standardschwellenwert berechnet und angewendet. Dieser Standardwert ist die euklidische Entfernung, bei der sichergestellt wird, dass jedes Feature mindestens einen Nachbarn hat.

Dieser Parameter hat keine Auswirkung, wenn räumliche Konzeptualisierungen vom Typ "Polygonnachbarschaft" oder "Abrufen von räumlichen Gewichtungen aus Datei" ausgewählt werden.

Double
Weights_Matrix_File
(optional)

Der Pfad zu einer Datei mit Gewichtungen, die räumliche und potenziell zeitliche Beziehungen unter Features definieren.

File
Apply_False_Discovery_Rate__FDR__Correction
(optional)
  • APPLY_FDR —Statistische Signifikanz basiert auf der FDR-Korrektur (False Discovery Rate) für ein Konfidenzniveau von 95 Prozent.
  • NO_FDR —Features mit p-Werten von weniger als 0,05 werden im COType-Feld angezeigt, das statistisch signifikante Cluster oder Ausreißer mit einem Konfidenzniveau von 95 Prozent (Standard) angibt.
Boolean

Codebeispiel

ClusterandOutlierAnalysis – Beispiel 1 (Python-Fenster)

Das folgende Skript im Python-Fenster veranschaulicht, wie Sie das Werkzeug "ClusterandOutlierAnalysis" verwenden.

import arcpy
arcpy.env.workspace = "c:/data/911calls"
arcpy.ClustersOutliers_stats("911Count.shp", "ICOUNT","911ClusterOutlier.shp",
                             "GET_SPATIAL_WEIGHTS_FROM_FILE","EUCLIDEAN_DISTANCE", 
                             "NONE","#", "euclidean6Neighs.swm","NO_FDR")
ClusterandOutlierAnalysis – Beispiel 2 (eigenständiges Python-Skript)

Das folgende eigenständige Python-Skript veranschaulicht, wie Sie das Werkzeug "ClusterandOutlierAnalysis" verwenden.

# Analyze the spatial distribution of 911 calls in a metropolitan area
# using the Cluster-Outlier Analysis Tool (Anselin's Local Moran's I)

# Import system modules
import arcpy

# Set geoprocessor object property to overwrite outputs if they already exist
arcpy.gp.OverwriteOutput = True

# Local variables...
workspace = r"C:\Data\911Calls"

try:
    # Set the current workspace 
    #  (to avoid having to specify the full path to the feature classes each time)
    arcpy.env.workspace = workspace

    # Copy the input feature class and integrate the points to snap
    # together at 500 feet
    # Process: Copy Features and Integrate
    cf = arcpy.CopyFeatures_management("911Calls.shp", "911Copied.shp",
                         "#", 0, 0, 0)

    integrate = arcpy.Integrate_management("911Copied.shp #", "500 Feet")

    # Use Collect Events to count the number of calls at each location
    # Process: Collect Events
    ce = arcpy.CollectEvents_stats("911Copied.shp", "911Count.shp", "Count", "#")

    # Add a unique ID field to the count feature class
    # Process: Add Field and Calculate Field
    af = arcpy.AddField_management("911Count.shp", "MyID", "LONG", "#", "#", "#", "#",
                     "NON_NULLABLE", "NON_REQUIRED", "#",
                     "911Count.shp")
    
    cf = arcpy.CalculateField_management("911Count.shp", "MyID", "[FID]", "VB")

    # Create Spatial Weights Matrix for Calculations
    # Process: Generate Spatial Weights Matrix... 
    swm = arcpy.GenerateSpatialWeightsMatrix_stats("911Count.shp", "MYID",
                        "euclidean6Neighs.swm",
                        "K_NEAREST_NEIGHBORS",
                        "#", "#", "#", 6) 

    # Cluster/Outlier Analysis of 911 Calls
    # Process: Local Moran's I
    clusters = arcpy.ClustersOutliers_stats("911Count.shp", "ICOUNT", 
                        "911ClusterOutlier.shp", 
                        "GET_SPATIAL_WEIGHTS_FROM_FILE",
                        "EUCLIDEAN_DISTANCE", "NONE",
                        "#", "euclidean6Neighs.swm","NO_FDR")

except:
    # If an error occurred when running the tool, print out the error message.
    print arcpy.GetMessages()

Umgebung

Ausgabe-Koordinatensystem

Die Feature-Geometrie wird vor der Analyse in das Ausgabe-Koordinatensystem projiziert, sodass die Werte für den Parameter Entfernungsband oder Entfernungsschwellenwert zu jenen passen sollten, die im Ausgabe-Koordinatensystem angegeben sind. Alle mathematischen Berechnungen basieren auf dem Raumbezug des Ausgabe-Koordinatensystems. Wenn das Ausgabekoordinatensystem auf Grad, Minuten und Sekunden basiert, werden geodätische Entfernungen mithilfe von Sehnenentfernungen in Metern geschätzt.

Verwandte Themen

Modellierung von räumlichen Beziehungen
Was ist ein Z-Ergebnis? Was ist ein p-Wert?
Räumliche Gewichtungen
Überblick über das Toolset "Cluster-Zuordnung"
Räumliche Autokorrelation (Morans I)
Hot-Spot-Analyse (Getis-Ord Gi*)
Funktionsweise des Werkzeugs "Cluster- und Ausreißeranalyse (Anselin Local Morans I)"
Optimierte Hot-Spot-Analyse
Inkrementelle räumliche Autokorrelation
Entfernungsband anhand der Anzahl der Nachbarn berechnen
Ereignisse erfassen

Lizenzierungsinformationen

ArcGIS for Desktop Basic: Ja
ArcGIS for Desktop Standard: Ja
ArcGIS for Desktop Advanced: Ja
Copyright © 1995-2014 Esri. All rights reserved.
6/5/2014