【ArcGIS微课1000例】0074：ArcGIS热点分析(Getis-Ord Gi*)---犯罪率热点图

一、热点分析工具介绍

给定一组加权要素，使用 Getis-Ord Gi* 统计识别具有统计显著性的热点和冷点。

用法：

• 此工具用于识别具有统计显著性的高值（热点）和低值（冷点）的空间聚类。此工具使用 z 得分、p 值和置信区间 (Gi_Bin) 为输入要素类中的每个要素创建一个新的输出要素类。
• z 得分和 p 值都是统计显著性的度量，用于逐要素地判断是否拒绝零假设。实际上，它们可指明观测所得的高值或低值的空间聚类是否比我们在这些相同值的随机分布中预期的更加明显。z 得分和 p 值字段不体现任何类型的 FDR（错误发现率）校正。
• 无论是否应用 FDR 校正，Gi_Bin 字段都会识别具有统计显著性的热点和冷点。置信区间 +3 到 -3 中的要素反映置信度为 99% 的统计显著性；置信区间 +2 到 -2 中的要素反映置信度为 95% 的统计显著性；置信区间 +1 到 -1 中的要素反映置信度为 90% 的统计显著性；而置信区间 0 中要素的聚类则不具有统计显著性。在没有 FDR 校正的情况下，统计显著性以 p 值和 z 得分字段为基础。如果选中可选参数应用错误发现率(FDR)校正，确定置信度的关键 p 值会降低以兼顾多重测试和空间依赖性。
• 如果要素的 z 得分高且 p 值小，则表示存在一个高值的空间聚类。如果 z 得分低并为负数且 p 值小，则表示存在一个低值的空间聚类。z 得分越高（或越低），聚类程度就越大。如果 z 得分接近于零，则表示不存在明显的空间聚类。
• z 得分基于随机化零假设进行计算。
• 对于线和面要素，距离计算中会使用要素的质心。

二、ArcGIS热点分析案例

本案例以美国南部1412个县凶杀案发生率及其相关变量为例，介绍在ArcGIS中进行热点分析的方法。数据加载如下：

在这里插入图片描述

属性表中的HR为凶杀案发生率字段。双击热点分析工具：

在这里插入图片描述

1. 普通热点分析

选择1960年的数据，字段为HR60，参数设置如下：

在这里插入图片描述

计算结果：

在这里插入图片描述

符号化：Gi_Bin

在这里插入图片描述

在这里插入图片描述

符号化：Z值

在这里插入图片描述

符号化：P值

在这里插入图片描述

2. 加权热点分析

在这里，区别的地方在于选择一个权重矩阵文件，在选中之前先在空间关系的概念化中选择：GET_SPATIAL_WEIGHTS_FROM_FILE，然后选择权重文件。

在这里插入图片描述

结果符号化：

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

本文到此结束。