【756】空间统计(hotspot)，虾神白话空间统计

白话空间统计

1. 新版白话空间统计（1）：前言与地理学第一定律
2. 新版白话空间统计（2）：空间自相关
3. 新版白话空间统计（3）：空间分布模式
4. 新版白话空间统计（4）：莫兰指数之起源
5. 新版白话空间统计（5）：莫兰指数之计算详解
   这就是莫兰指数的原理：属性与空间关系的乘积，得到最终的空间上的相关性。空间关系在自相关分析里面，起到的作用就是判定是否有关系，空间上不相关，那么属性再相关也没有用。
6. 新版白话空间统计（6）：在ArcGIS中实现莫兰指数计算（Spatial Autocorrelation - Global Moran's I，结果是一个值，概括整个区域）
   

   0.259代表的是，在给点的样本的情况下，数据呈现了空间正相关的表征：即高值与高值发生聚集，低值与低值聚集，空间上呈现正相关模式，倾向于发生了空间聚类现象。
   那么白话来解释，就是：有钱的省，通常旁边也都存在有钱的省，没钱的省，旁边通常也都是没钱的省……
   聚类和异常值分析 (Anselin Local Moran's I) 工具可识别高值密度、低值密度和空间异常值。

7. 新版白话空间统计（7）：用全局莫兰指数分析经济变化案例
8. 新版白话空间统计（8）：莫兰指数小结
   空间自相关—莫兰指数
   

   (1) 零假设：官方的解释是指进行统计检验时预先建立的假设。这个“零假设”的设立是为了去否定它的，空间统计中的零假设是指“统计的空间要素是随机分布的”，要去做的也就是去证明要素不是随机分布的，是呈现聚类或者离散分布的。

   (2) 置信度与置信区间：比如我这个实验结论有95%的置信度，意义就是我有95%的把握拒绝零假设，证明零假设是错误的，是可以实现这个结果。置信区间是保证这个置信度的变量或参数的区间范围。区间越大猜中概率越大。

9. 新版白话空间统计（9）：置信度的概念
   聊聊统计学里的置信度和置信区间
   统计学之误差思维和置信区间
10. 新版白话空间统计（10）：空间统计中的零假设
11. 新版白话空间统计（11）：ArcGIS中的PZ值标尺
12. 新版白话空间统计（12）：P值的表达以及空间统计上的特性
13. 新版白话空间统计（13）：随机的力量
14. 新版白话空间统计（14）：空间关系概念化综述
15. 新版白话空间统计（15）空间关系概念化之距离
16. 新版白话空间统计（16）空间关系概念化之固定距离
17. 新版白话空间统计（17）空间关系概念化之面邻接
18. 新版白话空间统计（18）空间关系概念化之Geoda的面邻接构建及自定义
19. 新版白话空间统计（19）空间关系对莫兰指数的影响
20. 新版白话空间统计（20）空间关系概念化之点临近
21. 新版白话空间统计（21）平均最近邻
22. 新版白话空间统计（22）：中心要素
23. 新版白话空间统计（23）：平均中心
24. 新版白话空间统计（24）：中位数中心
25. 新版白话空间统计（25）：方向分布（标准差椭圆）
26. 新版白话空间统计（26）标准距离
27. 新版白话空间统计（27）：从离散点到密度图
28. 新版白话空间统计（28）核函数：密度图跳变的解决方法
29. 新版白话空间统计（29）二维平面核函数的计算以及关键参数意义
30. 新版白话空间统计（30）空间尺度的研究之：测量尺度与分辨率
31. 新版白话空间统计（31）空间尺度的研究之：观测尺度与地理尺度

Y轴：概率值，概率值越高说明越正常，也就说明越随机，说明没有特别的规律；概率值越低，说明越没有规律，这种就是我们需要关注的，也就是热点或冷点！

X轴：数据的离散程度，左边为离散，中间为随机，右边为聚类，两边都是特别需要关注的！