当前位置: 首页 > news >正文

从0开始学习R语言--Day41--Moran‘s I

在处理带有空间特征的数据,我们往往都直接一股脑地处理数据点,但很多时候,空间上的信息对于处理后续衍生出来的问题会有很大帮助,例如对于城市里大小县城的发展情况,只知道单一县城的经济发展曲线,很难解释一些拐点和突然的攀升,而如果知道相邻县城存在经济发展飞快的例子,可能就是被带动了经济水平;亦或者是在处理社交网络的好有问题时,只知道谁和谁是朋友(类似于空间矩阵),是无法推断出经济收入相似的推论的,所以说,空间属性与数据本身相结合去分析,能有助于剖析更深层次的结论。

以下是一个例子:

library(spdep)
library(sf)# 生成模拟数据
set.seed(123)
n_points <- 100
coords <- data.frame(x = runif(n_points, 0, 100),y = runif(n_points, 0, 100)
)# 模拟空间自相关变量
dist_matrix <- as.matrix(dist(coords))
cov_matrix <- exp(-dist_matrix / 30)
sim_data <- MASS::mvrnorm(1, mu = rep(0, n_points), Sigma = cov_matrix)
coords$value <- sim_data# 转换为 sf 对象(使用平面坐标 CRS)
points_sf <- st_as_sf(coords, coords = c("x", "y"), crs = NA)  # 无 CRS# 计算空间权重(k=5 近邻)
knn <- knn2nb(knearneigh(as.matrix(coords[, c("x", "y")]), k = 5))
sp_weights <- nb2listw(knn, style = "W")# Moran's I 检验
moran_test <- moran.test(coords$value, sp_weights)
print(moran_test)# 可视化
plot(st_geometry(points_sf), pch = 16, col = "blue", main = "Simulated Spatial Data")
plot(knn, coords = as.matrix(coords[, c("x", "y")]), add = TRUE, col = "red")

输出:

	Moran I test under randomisationdata:  coords$value  
weights: sp_weights    Moran I statistic standard deviate = 8.324, p-value < 2.2e-16
alternative hypothesis: greater
sample estimates:
Moran I statistic       Expectation          Variance 0.476105070      -0.010101010       0.003411721 

结果显示Moran I值为0.476大于0,数据在空间上呈正相关,而p远小于0.05,说明统计高度显著,而图像则说明这些数据高度聚集,在分析时可以用分组或边际的思路。

http://www.dtcms.com/a/269866.html

相关文章:

  • 城乡社区服务体系建设-城乡商城:意义深远与前景广阔——仙盟创梦IDE
  • 把文件夹下所有的excle写入word文件中
  • 50天50个小项目 (Vue3 + Tailwindcss V4) ✨ | StickyNavbar(粘性导航栏)
  • Qwen视觉模型本地化部署,实现识别图片:Qwen2___5-VL-7B-Instruct
  • 分布式光纤传感:为储能安全保驾护航
  • 2025年7月:打cs1.5 600元装机台式电脑方案A
  • 学习软件测试的第十二天(接口测试)
  • Spring Security架构与实战全解析
  • 人工智能-基础篇-24-RAG和LLM到底怎么理解和区分?(LLM是深度训练的大语言生成模型,RAG是LLM更智能的补充技术)
  • 日语学习-日语知识点小记-构建基础-JLPT-N3阶段(1):新的开始-尊他开始
  • 【无标题】导出pdf
  • 数据库版本自动管理
  • MVP架构接口开发套路
  • TCP/IP协议基础
  • mybatis/mybatis-plus添加数据,自增id的值为负数
  • 第十四天,7月8日,八股
  • 《UE5_C++多人TPS完整教程》学习笔记42 ——《P43 瞄准(Aiming)》
  • 【音视频】HLS-m3u8协议介绍
  • Redis基础学习(五大值数据类型的常用操作命令)
  • 超低功耗CC2340R SimpleLink™ 系列 2.4GHz 无线 MCU支持BLE5.3/Zigbee/Thread/专有协议
  • 微软上线 Deep Research 预览版:o3+必应赋能研究自动化
  • css 面试题
  • 从零构建MCP服务器:FastMCP实战指南
  • 跨平台软件构建方法及工具介绍
  • 深度学习-多分类
  • Java 实现 Excel 文件对比与数据填充
  • 多线程(1)
  • Minmax 算法与 Alpha-Beta 剪枝小教学
  • (普及−)B3629 吃冰棍——二分/模拟
  • 【Spring WebSocket详解】Spring WebSocket从入门到实战