空間的自己相関分析（Spatial Autocorrelation（Global Moran's I）） (空間統計解析)

ライセンス レベル:BasicStandardAdvanced

サマリ

Global Moran's I 統計を使用してフィーチャの位置と属性値に基づいて、空間的自己相関を計測します。

[結果] ウィンドウからツールのこのツールの結果（オプションのレポート ファイルを含む）にアクセスできます。バックグラウンド処理を無効にすると、結果は [進行状況] ダイアログ ボックスにも書き込まれます。

[空間的自己相関分析（Spatial Autocorrelation（Global Moran's I））] ツールの詳細

図

Moran's I の図

使用法

構文

SpatialAutocorrelation_stats (Input_Feature_Class, Input_Field, {Generate_Report}, Conceptualization_of_Spatial_Relationships, Distance_Method, Standardization, {Distance_Band_or_Threshold_Distance}, {Weights_Matrix_File})
パラメータ説明データ タイプ
Input_Feature_Class

空間的自己相関が計算されるフィーチャクラスです。

Feature Layer
Input_Field

空間的自己相関の評価時に使用される数値フィールドです。

Field
Generate_Report
(オプション)
  • NO_REPORT —概要図を作成しません。これはデフォルト設定です。
  • GENERATE_REPORT —概要図が HTML ファイルとして作成されます。
Boolean
Conceptualization_of_Spatial_Relationships

フィーチャ間の空間リレーションシップをどのようにコンセプト化するかを指定します。

  • INVERSE_DISTANCE —遠くにあるフィーチャよりも、近くのフィーチャの方が、ターゲット フィーチャの計算に大きく影響します。
  • INVERSE_DISTANCE_SQUARED —INVERSE_DISTANCE と同じですが、傾斜が急なため、影響度がより急速に低下する点と、ターゲット フィーチャに最も近いフィーチャだけがそのフィーチャの計算に大きな影響を与える点が異なります。
  • FIXED_DISTANCE_BAND —各フィーチャは、隣接フィーチャのコンテキスト内で解析されます。指定した臨界距離内の隣接フィーチャは、ウェイト 1 を受け取り、ターゲット フィーチャの計算に影響を与えます。臨界距離の外にある隣接フィーチャは、ウェイト 0 を受け取り、ターゲット フィーチャの計算に影響を与えません。
  • ZONE_OF_INDIFFERENCE —ターゲット フィーチャの指定した臨界距離内のフィーチャは、ウェイト 1 を受け取り、ターゲット フィーチャの計算に影響を与えます。臨界距離を超えると、ウェイト（および隣接フィーチャがターゲット フィーチャの計算に与える影響）は距離に伴って減少します。
  • CONTIGUITY_EDGES_ONLY —境界またはオーバーラップを共有する隣接ポリゴンだけが、ターゲットのポリゴン フィーチャの計算に影響を与えます
  • CONTIGUITY_EDGES_CORNERS —境界、ノード、またはオーバーラップを共有するポリゴン フィーチャはターゲットのポリゴン フィーチャの計算に影響を与えます
  • GET_SPATIAL_WEIGHTS_FROM_FILE —空間リレーションシップは、空間ウェイト ファイルに定義されます。空間ウェイト ファイルへのパスは、[ウェイト マトリックス ファイル] パラメータに指定します。
String
Distance_Method

各フィーチャから隣接フィーチャまでの距離の計算方法を指定します。

  • EUCLIDEAN_DISTANCE —2 つのポイント間の直線距離（最短距離）。
  • MANHATTAN_DISTANCE —直角の軸（街区）に沿って計測した 2 つのポイント間の距離。X 座標と Y 座標の間の（絶対）距離を合計して計算します。
String
Standardization

行の標準化が推奨されるのは、サンプリングの設計や指定された集約方式によってフィーチャの分布が偏る可能性があるときです。

  • NONE —空間ウェイトの標準化は適用されません。
  • ROW —空間ウェイトが標準化されます。それぞれのウェイトをその行の合計（すべての隣接フィーチャのウェイトの合計）で割ります。
String
Distance_Band_or_Threshold_Distance
(オプション)

[INVERSE_DISTANCE] オプションおよび [FIXED_DISTANCE_BAND] オプションの場合、ここで閾値を指定します。ターゲット フィーチャに対して指定したカットオフの外側のフィーチャは、そのフィーチャの解析では除外されます。[ZONE_OF_INDIFFERENCE] オプションの場合、ここで指定した閾値内にあるフィーチャの影響は等しく考慮され、閾値外にあるフィーチャの影響は距離に伴って減少します。入力する距離値は、出力座標系の値に一致している必要があります。

空間リレーションシップの逆距離のコンセプトの場合、値 0 は閾値の距離が適用されないことを示します。このパラメータを空白のままにすると、デフォルトの閾値が計算され、適用されます。このデフォルト値はユークリッド距離であり、すべてのフィーチャに 1 つ以上の隣接フィーチャがあることが保証されます。

空間コンセプトとして [POLYGON_CONTIGUITY] または [GET_SPATIAL_WEIGHTS_FROM_FILE] を選択した場合、このパラメータは効力を持ちません。

Double
Weights_Matrix_File
(オプション)

フィーチャ間の空間リレーションシップ、および潜在的に時系列のリレーションシップを定義するウェイトが含まれたファイルへのパス。

File

コードのサンプル

SpatialAutocorrelation（空間的自己相関分析）の例 1（Python ウィンドウ）

次の Python ウィンドウ スクリプトは SpatialAutocorrelation（空間的自己相関分析）ツールを使用する方法を示しています。

import arcpy
arcpy.env.workspace = r"c:\data"
arcpy.SpatialAutocorrelation_stats("olsResults.shp", "Residual","NO_REPORT", 
                                   "GET_SPATIAL_WEIGHTS_FROM_FILE","EUCLIDEAN DISTANCE", 
                                   "NONE", "#","euclidean6Neighs.swm")
SpatialAutocorrelation（空間的自己相関分析）の例 2（スタンドアロン Python スクリプト）

次のスタンドアロン Python スクリプトは SpatialAutocorrelation（空間的自己相関分析）ツールを使用する方法を示しています。

# Analyze the growth of regional per capita incomes in US
# Counties from 1969 -- 2002 using Ordinary Least Squares Regression

# Import system modules
import arcpy

# Set the geoprocessor object property to overwrite existing outputs
arcpy.gp.overwriteOutput = True

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

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

    # Growth as a function of {log of starting income, dummy for South
    # counties, interaction term for South counties, population density}
    # Process: Ordinary Least Squares... 
    ols = arcpy.OrdinaryLeastSquares_stats("USCounties.shp", "MYID", 
                        "olsResults.shp", "GROWTH",
                        "LOGPCR69;SOUTH;LPCR_SOUTH;PopDen69",
                        "olsCoefTab.dbf",
                        "olsDiagTab.dbf")

    # Create Spatial Weights Matrix (Can be based off input or output FC)
    # Process: Generate Spatial Weights Matrix... 
    swm = arcpy.GenerateSpatialWeightsMatrix_stats("USCounties.shp", "MYID",
                        "euclidean6Neighs.swm",
                        "K_NEAREST_NEIGHBORS",
                        "#", "#", "#", 6) 
                        

    # Calculate Moran's I Index of Spatial Autocorrelation for 
    # OLS Residuals using a SWM File.  
    # Process: Spatial Autocorrelation (Morans I)...      
    moransI = arcpy.SpatialAutocorrelation_stats("olsResults.shp", "Residual",
                        "NO_REPORT", "GET_SPATIAL_WEIGHTS_FROM_FILE", 
                        "EUCLIDEAN_DISTANCE", "NONE", "#", 
                        "euclidean6Neighs.swm")

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

環境

出力データの座標系

フィーチャ ジオメトリは分析に先立って出力座標系に投影されます。すべての数学的演算は、出力座標系の空間参照に基づいて実行されます。[出力データの座標系] が度、分、および秒に基づく場合、測地距離は弦距離を使用して推定されます。

関連トピック

パターン分析ツールセットの概要
空間関係のモデリング
Z スコアと p 値
結果ウィンドウの使用
平均最近隣距離分析（Average Nearest Neighbor）
クラスタ/外れ値分析（Cluster and Outlier Analysis（Anselin Local Moran's I））
ホット スポット分析（Hot Spot Analysis (Getis-Ord Gi*)）
空間ウェイト
空間的自己相関分析（Spatial Autocorrelation（Morans I））の詳細

ライセンス情報

ArcGIS for Desktop Basic: ○
ArcGIS for Desktop Standard: ○
ArcGIS for Desktop Advanced: ○
Copyright © 1995-2014 Esri. All rights reserved.
5/10/2014