Hilfe bei der Interpretation der Ergebnisse von Moran’s I und Geary’s C

Wie interpretieren Sie die Ergebnisse von Moran I?

Wenn die Werte im Datensatz dazu neigen, sich räumlich zu bündeln (hohe Werte bündeln sich in der Nähe anderer hoher Werte; niedrige Werte bündeln sich in der Nähe anderer niedriger Werte), ist der Moran-Index positiv. Wenn hohe Werte andere hohe Werte abstoßen und sich in der Nähe niedriger Werte befinden, ist der Index negativ.

Wie sind die Teststatistiken von Moran und Geary zu interpretieren?

Die Statistiken Moran’s I und Geary’s c werden für 50-Meilen-Schritte von 50 bis 250 Meilen berechnet. Für jedes dieser Inkremente ist Geary’s c kleiner als 1, und Moran’s I ist größer als der erwartete Wert. Diese Ergebnisse zeigen, dass eine positive räumliche Autokorrelation besteht.

Was ist der Unterschied zwischen Moran I und Geary C?

Moran’s I ist ein Maß für die globale räumliche Autokorrelation, während Geary’s C stärker auf die lokale räumliche Autokorrelation anspricht. Geary’s C ist auch als Geary’s contiguity ratio oder einfach als Geary’s ratio bekannt.

Was sagt Ihnen Morans I?

Was ist Moran’s I? Moran’s I ist ein Korrelationskoeffizient, der die allgemeine räumliche Autokorrelation Ihres Datensatzes misst. Mit anderen Worten, er misst, wie ähnlich ein Objekt den anderen Objekten in seiner Umgebung ist. Wenn Objekte voneinander angezogen (oder abgestoßen) werden, bedeutet dies, dass die Beobachtungen nicht unabhängig sind.

Wie interpretieren Sie Autokorrelationswerte?

Prüfung auf Autokorrelation

Werte, die näher bei 0 liegen, weisen auf einen höheren Grad an positiver Korrelation hin, Werte, die näher bei 4 liegen, auf einen höheren Grad an negativer Autokorrelation, während Werte, die näher in der Mitte liegen, auf eine geringere Autokorrelation hindeuten.

Wie interpretieren Sie eine positive Autokorrelation?

Ähnlich wie die Korrelation kann auch die Autokorrelation entweder positiv oder negativ sein. Sie reicht von -1 (vollkommen negative Autokorrelation) bis 1 (vollkommen positive Autokorrelation). Positive Autokorrelation bedeutet, dass der in einem Zeitintervall beobachtete Anstieg zu einem proportionalen Anstieg in dem verzögerten Zeitintervall führt.
 

Was bedeutet eine positive räumliche Autokorrelation?

Positive räumliche Autokorrelation bedeutet, dass geografisch nahe gelegene Werte einer Variablen dazu neigen, sich auf einer Karte zu ähneln: hohe Werte befinden sich tendenziell in der Nähe hoher Werte, mittlere Werte in der Nähe mittlerer Werte und niedrige Werte in der Nähe niedriger Werte.

Ist räumliche Autokorrelation gut oder schlecht?

„Alles steht mit allem in Beziehung, aber nahe Dinge sind stärker miteinander verbunden als entfernte Dinge. Positive räumliche Autokorrelation liegt vor, wenn sich ähnliche Werte auf einer Karte häufen. Von negativer räumlicher Autokorrelation spricht man, wenn sich unähnliche Werte auf einer Karte zusammenballen.
 

Wie beurteilt man die räumliche Autokorrelation?

Zitat aus dem Video:

Was besagt dieser Bericht über die räumliche Autokorrelation?

Die räumliche Autokorrelation zeigt an, ob es in einer Karte eine Häufung oder Streuung gibt. Ein positiver Moran’s I deutet auf eine Häufung der Daten hin, ein negativer Moran’s I auf eine Streuung der Daten.
 

Was ist ein Hoch-Hoch-Cluster?

Einziger High-High-Cluster. Ein Ort, an dem der einzige statistisch signifikante Typ im Laufe der Zeit High-High-Cluster waren. Nur Hoch-Niedrig-Ausreißer. Ein Ort, an dem der einzige statistisch signifikante Typ im Laufe der Zeit High-Low-Ausreißer waren.

Wie groß ist die theoretische Reichweite der globalen Moran’s I-Statistik?

Die Werte von I liegen in der Regel im Bereich von -1 bis +1. Werte, die deutlich unter -1/(N-1) liegen, weisen auf eine negative räumliche Autokorrelation hin, Werte, die deutlich über -1/(N-1) liegen, auf eine positive räumliche Autokorrelation.