Geoda空间自相关分析

Geoda空间自相关分析是一款免费、开源的空间数据分析软件，内置了很多现成的模板，GeoDa制作专题图要比QGIS简单，为用户提供了非常实用的空间自相关分析功能，应用范围非常之广泛，非常适合适用产业经济学、法律学、社会学等社会学科,及其医药学、生态学等行业用户使用；集成了众多的空间相关算法，可以进行聚类和空间分析，小编为大家带来的是中文版本，喜欢的朋友不要错过了哦！

Geoda介绍

geoda通过探索和建模空间模式，geoda可以为使用者带来了全新的空间数据分析视角。

geoda是由 luc anselin 博士和其团队开发的. 该程序提供了友好的用户界面以及丰富的用于探索性空间数据分析(esda)的方法，比如空间自相关统计(spatial autocorrelation statistics)和基本的空间回归分析(spatial regression analysis)。

从2003年2月geoda发布第一个版本以来， geoda的用户数量 成倍的增长。截止2017年6月，geoda的用户数量已经超过了20万。 包括哈佛，麻省理工、康奈尔等着名大学都在实验室中安装并使用geoda软件。geoda软件得到了用户和媒体广泛的好评，被称之为“一个非常重要的分析工具”，“一款制作精良的软件”，有着“激动人心的进展”。

geoda最新发布的版本是1.20。新版本包含了很多新的功能，比如：单变量和多变量的局部geary聚类分析，集成了经典的（非空间）聚类分析方法（pca，k-means,hierarchical聚类--详细请参考hoon et al's 2013 "c clustering library"）。同时geoda也支持更多的空间数据格式，支持时空数据，支持包括nokia和carto提供的底图(basemap)显示，均值比较图表(averages charts)，散点图矩阵(scatter plot matrices)，非参数的空间自相关图(nonparametric spatial autocorrelation--correlogram)，以及灵活的数据分类方法(flexible data categorization)。

Geoda空间自相关分析亮点

空间回归分析(spatial regression analysis)

空间自相关统计(spatial autocorrelation statistics)

单变量和多变量的局部Geary聚类分析

（非空间）聚类分析方法（PCA）等

Geoda空间自相关分析安装步骤

因为下载的是中文版安装包，所以选择简体中文即可。

记得一路都选择简体中文。

一直下一步，点击安装即可。

完成之后，开始中打开geoda，会发现是中文界面，省事儿不少。

Geoda空间自相关分析特色

geoda支持更多的空间数据格式

引入gdal软件库后，geoda目前可以支持多种矢量数据格式，包括：esri shapefile, esri geodatabase, geojson, mapinfo, gml, kml等。 同时geoda也能从表格数据(如：.csv, .dbf, .xls, .ods)中通过制定坐标数据（x，y或者经纬度）来创建点空间数据。 geoda也能让用户将感兴趣的、选中的数据另存为一个新的矢量数据。

通过相互关联的地图和图表探索统计结果

与在地图中可视化原始数据的程序相比，geoda 侧重于通过链接的地图和图表探索统计测试和模型的结果。

探索多种空间数据分类

应用一个新的类型在线编辑器，大家可以探索结论对数据标准化阀值变动的比较敏感水平。在这里实例中，标准投射（右）里的阀值根据可以从类型在线编辑器（左）中调节的类型。
时光运作模式
您现在可以在新时长在线编辑器中跨时间范围对同一自变量开展分类，以探索跨空间与时间的统计分析方式。随后使用时长播放软件探索随着时间的推移主视图变动的结论。
加上包含nokia和cartodb所提供的背景图(basemap)
如果你的空间数据信息被投射（.prj文件），您现在可以将背景图导入到一切地图主视图，包含聚类算法地图，以得到更好的方位与地面真正结论。
时空数据的平均值较为
一个新的均值数据图表较为了随着时间和/或空间求平均数值，并检测这种均值的差别是不是明显。比如，最先挑选是要较为同一的时间内选中观测值与未选定观测值的平均值，还是挺不一样时间范围的所有观测值。一个基本上的前后/危害控制测试随后说明您得到的结果是不是随着时间和空间转变（使用f评估和差别中的差别检测）。
检验多元化空间关联

散点图引流矩阵容许您一次探索好几个二元关联性。在这里实例中，显示旧金山选中、未选中以及所有警区的重归直线斜率，以探索四种犯罪类型相互关系。
检验随时间变化在空间上集聚
应用全局性或部分求微分moran?si检测来决定给出的位置自变量随时间变化是不是与其说隔壁邻居的自变量在数据分析上有关。比如，这一张当地(lisa)群集地图显示2002年至2008年期内纽约少年儿童占比转变比较大热门话题（及其转变比较小的凉点）。
单/多因素的空间聚类分析法
lucanselin(2017)近期用新空间关联局部指标值拓展了geary的c。这适用法国“社会道德统计分析”的经典数据（guerry，1833年），以表明文盲率的明显高和低空间市场集中度（下左图）及其财产犯罪和文盲率的明显关系（下图）。
集成化经典的信息聚类方法剖析空间数据信息
您现在可以投射几类经典非空间聚类算法技术性的方式，包含主成分分析法（下左图）、k平均值（右上方）和层次聚类（右下方）。应用和上例同样的信息，下边的地图显示财产犯罪、文盲率和自杀的当地群集。
检验空间关联性界限阀值
当邻近正确的值不会再有关时，非参数空间自相关检测（相关图）如今适合于明确间距阀值。

以上便是WinWin7小编给大家分享的Geoda空间自相关分析！