Geoda空間自相關分析

Geoda空間自相關分析是一款免費、開源的空間數據分析軟件，內置了很多現成的模板，GeoDa制作專題圖要比QGIS簡單，為用戶提供了非常實用的空間自相關分析功能，應用范圍非常之廣泛，非常適合適用產業經濟學、法律學、社會學等社會學科,及其醫藥學、生態學等行業用戶使用；集成了眾多的空間相關算法，可以進行聚類和空間分析，小編為大家帶來的是中文版本，喜歡的朋友不要錯過了哦！

Geoda介紹

geoda通過探索和建?？臻g模式，geoda可以為使用者帶來了全新的空間數據分析視角。

geoda是由 luc anselin 博士和其團隊開發的. 該程序提供了友好的用戶界面以及豐富的用于探索性空間數據分析(esda)的方法，比如空間自相關統計(spatial autocorrelation statistics)和基本的空間回歸分析(spatial regression analysis)。

從2003年2月geoda發布第一個版本以來， geoda的用戶數量 成倍的增長。截止2017年6月，geoda的用戶數量已經超過了20萬。 包括哈佛，麻省理工、康奈爾等著名大學都在實驗室中安裝并使用geoda軟件。geoda軟件得到了用戶和媒體廣泛的好評，被稱之為“一個非常重要的分析工具”，“一款制作精良的軟件”，有著“激動人心的進展”。

geoda最新發布的版本是1.20。新版本包含了很多新的功能，比如：單變量和多變量的局部geary聚類分析，集成了經典的（非空間）聚類分析方法（pca，k-means,hierarchical聚類--詳細請參考hoon et al's 2013 "c clustering library"）。同時geoda也支持更多的空間數據格式，支持時空數據，支持包括nokia和carto提供的底圖(basemap)顯示，均值比較圖表(averages charts)，散點圖矩陣(scatter plot matrices)，非參數的空間自相關圖(nonparametric spatial autocorrelation--correlogram)，以及靈活的數據分類方法(flexible data categorization)。

Geoda空間自相關分析亮點

空間回歸分析(spatial regression analysis)

空間自相關統計(spatial autocorrelation statistics)

單變量和多變量的局部Geary聚類分析

（非空間）聚類分析方法（PCA）等

Geoda空間自相關分析安裝步驟

因為下載的是中文版安裝包，所以選擇簡體中文即可。

記得一路都選擇簡體中文。

一直下一步，點擊安裝即可。

完成之后，開始中打開geoda，會發現是中文界面，省事兒不少。

Geoda空間自相關分析特色

geoda支持更多的空間數據格式

引入gdal軟件庫后，geoda目前可以支持多種矢量數據格式，包括：esri shapefile, esri geodatabase, geojson, mapinfo, gml, kml等。 同時geoda也能從表格數據(如：.csv, .dbf, .xls, .ods)中通過制定坐標數據（x，y或者經緯度）來創建點空間數據。 geoda也能讓用戶將感興趣的、選中的數據另存為一個新的矢量數據。

通過相互關聯的地圖和圖表探索統計結果

與在地圖中可視化原始數據的程序相比，geoda 側重于通過鏈接的地圖和圖表探索統計測試和模型的結果。

探索多種空間數據分類

應用一個新的類型在線編輯器，大家可以探索結論對數據標準化閥值變動的比較敏感水平。在這里實例中，標準投射（右）里的閥值根據可以從類型在線編輯器（左）中調節的類型。
時光運作模式
您現在可以在新時長在線編輯器中跨時間范圍對同一自變量開展分類，以探索跨空間與時間的統計分析方式。隨后使用時長播放軟件探索隨著時間的推移主視圖變動的結論。
加上包含nokia和cartodb所提供的背景圖(basemap)
如果你的空間數據信息被投射（.prj文件），您現在可以將背景圖導入到一切地圖主視圖，包含聚類算法地圖，以得到更好的方位與地面真正結論。
時空數據的平均值較為
一個新的均值數據圖表較為了隨著時間和/或空間求平均數值，并檢測這種均值的差別是不是明顯。比如，最先挑選是要較為同一的時間內選中觀測值與未選定觀測值的平均值，還是挺不一樣時間范圍的所有觀測值。一個基本上的前后/危害控制測試隨后說明您得到的結果是不是隨著時間和空間轉變（使用f評估和差別中的差別檢測）。
檢驗多元化空間關聯

散點圖引流矩陣容許您一次探索好幾個二元關聯性。在這里實例中，顯示舊金山選中、未選中以及所有警區的重歸直線斜率，以探索四種犯罪類型相互關系。
檢驗隨時間變化在空間上集聚
應用全局性或部分求微分moran?si檢測來決定給出的位置自變量隨時間變化是不是與其說隔壁鄰居的自變量在數據分析上有關。比如，這一張當地(lisa)群集地圖顯示2002年至2008年期內紐約少年兒童占比轉變比較大熱門話題（及其轉變比較小的涼點）。
單/多因素的空間聚類分析法
lucanselin(2017)近期用新空間關聯局部指標值拓展了geary的c。這適用法國“社會道德統計分析”的經典數據（guerry，1833年），以表明文盲率的明顯高和低空間市場集中度（下左圖）及其財產犯罪和文盲率的明顯關系（下圖）。
集成化經典的信息聚類方法剖析空間數據信息
您現在可以投射幾類經典非空間聚類算法技術性的方式，包含主成分分析法（下左圖）、k平均值（右上方）和層次聚類（右下方）。應用和上例同樣的信息，下邊的地圖顯示財產犯罪、文盲率和自殺的當地群集。
檢驗空間關聯性界限閥值
當鄰近正確的值不會再有關時，非參數空間自相關檢測（相關圖）如今適合于明確間距閥值。

以上便是WinWin7小編給大家分享的Geoda空間自相關分析！