热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

GeoDa:入门基础

前言GeoDa是一个免费的开源软件工具,用于空间数据分析。它旨在通过探索和建模空间模式来促进数据分析的新见解。GeoDa是由LucAnselin博士和他的团队开发的。

前言

    GeoDa是一个免费的开源软件工具,用于空间数据分析。它旨在通过探索和建模空间模式来促进数据分析的新见解。
    GeoDa是由Luc Anselin博士和他的团队开发的。该项目为探索性空间数据分析(ESDA)方法提供了用户友好的图形界面,例如用于聚合数据(数千条记录)的空间自相关统计,以及用于点和多边形数据(数万条记录)的基本空间回归分析。要在GeoDa中使用大数据,首先应该将其聚合到区域单元。


GeoDa 1.12.1

    GeoDa现在支持各种不同格式的矢量数据:可以使用shapefile、地理数据库、GeoJSON、MapInfo、GML、KML和GDAL库支持的其他矢量数据格式。

    以上来源于 GeoDa GitHub

    2020年9月更新:GeoDa终于迎来重大更新-1.16版 [链接]

    2020年10月更新:Geoda出Python包了 [链接]

 


功能

    GeoDa提供了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)
  • 空间回归分析(spatial regression analysis)
  • 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的设计包含一个由地图和统计图表相联合的相互作用的环境,使用强大的连接窗口技术(与ArcGIS的关联表单同效果

    1. 打开一个shp文件

    2. 菜单栏选择 Table - Merge,填写弹出的表单(通过 ID 关联,添加文本数据中的count字段 

    3. 成功将一个shp文件与文本数据(如:csv)关联,可以点击菜单栏 查看属性表

 


操作案例

    找到的一些案例都大同小异,了解即可

    https://zhuanlan.zhihu.com/p/100455481 (参数介绍较为详细

    https://www.sohu.com/a/293616901_698752

    https://www.cnblogs.com/wicked-fly/p/6225002.html

    ⭐ 空间分析原理推荐 虾神daxialu 的 新版白话空间统计

 


与ArcGIS的区别

    我的理解:GeoDa致力于空间自相关分析等,在这方面其研究方法比 ArcGIS 更丰富(比如:空间滞后模型、空间残差模型等),至于同一方法的准确性差异不好评判优劣(个人理解,若有错,请指出

    虾神大佬如是说:

    ArcGIS的算法会使得误差比geoda的更大,所以一般做空间自相关都是采用geoda的[来源](个人感觉不绝对)

    GeoDa完全就是一款为统计而设计的软件;而ArcGIS更加全面,有更多分析模块,包括统计,功能更加强大 [来源]

 


案例学习

    数据

   

    研究内容

       结合考虑该区域每个人口普查区的经济、人口等情况,利用OLS探讨案发率与相关的社会经济的影响关系,验证是否具备空间依赖性或异质性

    

    实验

        前提说明:在实验前,通过“空间连接”工具进行计算字段 Join_Count,即为每个人口普查区中汽车盗窃案发生次数,将在该实验中作为因变量。对因变量进行空间自相关检验,结果表明各人口普查区中的盗窃案数目整体呈现正空间自相关。经过模型检验,剔除了一些变量,只留下PCI、Population 和 Unemployed三个变量(这部分省略不写了)。

        1. 创建权重矩阵,点击Weight Manger,再点击Create(GeoDa可以自定义空间权重矩阵和空间关系

        2. 工具栏点击 Regression - Regression

        3. 运行结果

        4. 在ArcGIS中,Arctoolbox“空间统计工具”工具箱中选择“空间关系建模”中的“普通最小二乘法”工具进行计算

        5. 运行结果

 


结语

    从两个软件的 OLS 结果来看,校正R^{2}两者一样但GeoDa的AIC值更小一些,所以在该数据、该模型下,GeoDa的效果更好。实验是上学时课程的作业,很多知识点都忘得差不多了。如有错误,请指出,谢谢。

 


其他    

    根据 R^{2} 的取值,来判断模型的好坏,其取值范围为[0,1]:如果结果是 0,说明模型拟合效果很差;如果结果是 1,说明模型无错误。一般来说,R^{2} 越大,表示模型拟合效果越好。

    校正R^{2} 抵消样本数量对 R^{2} 的影响,做到了真正的 0~1,越大越好。

    AIC信息准则是衡量统计模型拟合优良性的一种标准,AIC鼓励数据拟合的优良性但是尽量避免出现过度拟合(对训练数据拟合的很好,而对测试数据拟合的很差)的情况。所以优先考虑的模型应是AIC值最小的那一个。赤池信息准则的方法是寻找可以最好地解释数据但包含最少自由参数的模型。


推荐阅读
  • H5技术实现经典游戏《贪吃蛇》
    本文将分享一个使用HTML5技术实现的经典小游戏——《贪吃蛇》。通过H5技术,我们将探讨如何构建这款游戏的两种主要玩法:积分闯关和无尽模式。 ... [详细]
  • 利用Node.js实现PSD文件的高效切图
    本文介绍了如何通过Node.js及其psd2json模块,快速实现PSD文件的自动化切图过程,以适应项目中频繁的界面更新需求。此方法不仅提高了工作效率,还简化了从设计稿到实际应用的转换流程。 ... [详细]
  • 函子(Functor)是函数式编程中的一个重要概念,它不仅是一个特殊的容器,还提供了一种优雅的方式来处理值和函数。本文将详细介绍函子的基本概念及其在函数式编程中的应用,包括如何通过函子控制副作用、处理异常以及进行异步操作。 ... [详细]
  • Docker安全策略与管理
    本文探讨了Docker的安全挑战、核心安全特性及其管理策略,旨在帮助读者深入理解Docker安全机制,并提供实用的安全管理建议。 ... [详细]
  • CRZ.im:一款极简的网址缩短服务及其安装指南
    本文介绍了一款名为CRZ.im的极简网址缩短服务,该服务采用PHP和SQLite开发,体积小巧,约10KB。本文还提供了详细的安装步骤,包括环境配置、域名解析及Nginx伪静态设置。 ... [详细]
  • 入门指南:使用FastRPC技术连接Qualcomm Hexagon DSP
    本文旨在为初学者提供关于如何使用FastRPC技术连接Qualcomm Hexagon DSP的基础知识。FastRPC技术允许开发者在本地客户端实现远程调用,从而简化Hexagon DSP的开发和调试过程。 ... [详细]
  • 从理想主义者的内心深处萌发的技术信仰,推动了云原生技术在全球范围内的快速发展。本文将带你深入了解阿里巴巴在开源领域的贡献与成就。 ... [详细]
  • 理解浏览器历史记录(2)hashchange、pushState
    阅读目录1.hashchange2.pushState本文也是一篇基础文章。继上文之后,本打算去研究pushState,偶然在一些信息中发现了锚点变 ... [详细]
  • 本文将详细探讨 Python 编程语言中 sys.argv 的使用方法及其重要性。通过实际案例,我们将了解如何在命令行环境中传递参数给 Python 脚本,并分析这些参数是如何被处理和使用的。 ... [详细]
  • Requests库的基本使用方法
    本文介绍了Python中Requests库的基础用法,包括如何安装、GET和POST请求的实现、如何处理Cookies和Headers,以及如何解析JSON响应。相比urllib库,Requests库提供了更为简洁高效的接口来处理HTTP请求。 ... [详细]
  • Web动态服务器Python基本实现
    Web动态服务器Python基本实现 ... [详细]
  • 本文详细介绍了如何正确设置Shadowsocks公共代理,包括调整超时设置、检查系统限制、防止滥用及遵守DMCA法规等关键步骤。 ... [详细]
  • 小编给大家分享一下Vue3中如何提高开发效率,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获, ... [详细]
  • 本文详细记录了腾讯ABS云平台的一次前端开发岗位面试经历,包括面试过程中遇到的JavaScript相关问题、Vue.js等框架的深入探讨以及算法挑战等内容。 ... [详细]
  • 本文探讨了一种统一的语义数据模型,旨在支持物联网、建筑及企业环境下的数据转换。该模型强调简洁性和可扩展性,以促进不同行业间的插件化和互操作性。对于智能硬件开发者而言,这一模型提供了重要的参考价值。 ... [详细]
author-avatar
斌哥第一次
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有