สถิตินี่คือวิธีที่คุณควรทำแผนที่ความร้อน:
1) คุณสมบัติการรวมจุด แนวคิดของการบูรณาการคือการรับประเด็นที่ควรพิจารณาว่าเป็นเรื่องบังเอิญและรวมเข้าด้วยกันเป็นที่เดียว ฉันชอบใช้การวิเคราะห์เพื่อนบ้านที่ใกล้ที่สุดและใช้ค่าที่เหมาะสมจากที่นั่น (ตัวอย่างเช่นเมื่อทำแผนที่อาชญากรรมความร้อนฉันใช้เพื่อนบ้านที่ใกล้ที่สุดอันดับที่ 1 โดยเฉลี่ยสำหรับชุดข้อมูลพัสดุภัณฑ์พื้นฐานซึ่งอาชญากรรมถูกระบุพิกัดทางภูมิศาสตร์)
2) การเก็บรวบรวมเหตุการณ์ สิ่งนี้จะสร้างน้ำหนักเชิงพื้นที่สำหรับจุดรวมของคุณทั้งหมด เช่นหากคุณมี 5 กิจกรรมในสถานที่เดียวมันจะกลายเป็นจุดเดียวที่มีน้ำหนัก 5 ซึ่งเป็นสิ่งสำคัญสำหรับสองขั้นตอนต่อไป หากคุณจำเป็นต้องรวมแอตทริบิวต์ในเหตุการณ์ที่เกิดขึ้น pooled คือเหตุการณ์ที่แตกต่างกันมีน้ำหนักที่สูงขึ้นแล้วคุณสามารถใช้แบบหนึ่งต่อหนึ่งเชิงพื้นที่เข้าร่วม ใช้เอาต์พุต 'รวบรวมเหตุการณ์' เป็นเป้าหมายและเหตุการณ์แบบรวมดั้งเดิมของคุณเป็นคุณสมบัติเข้าร่วม ตั้งค่ากฎการผสานการแมปฟิลด์รวมแอตทริบิวต์ในเหตุการณ์ที่รวมเข้าด้วยกัน (โดยปกติคือ SUM แม้ว่าคุณจะสามารถใช้สถิติอื่น ๆ ได้)
3) กำหนดอัตอวกาศยอดใช้ทั่วโลกโมแรนฉัน เช่นเดียวกับที่กล่าวไว้ให้รันโมแรนระดับโลกของฉันตามช่วงเวลาที่แตกต่างกันเพื่อกำหนดช่วงความถี่สูงสุดของความสัมพันธ์เชิงพื้นที่ในระดับที่เหมาะสมกับการวิเคราะห์ที่คุณกำลังทำ คุณอาจต้องการเรียกใช้เพื่อนบ้านที่ใกล้ที่สุดอีกครั้งในกิจกรรมที่รวบรวมไว้ของคุณเพื่อกำหนดช่วงเริ่มต้นสำหรับการทดสอบ I moran ของคุณ (เช่นใช้ค่าสูงสุดสำหรับเพื่อนบ้านที่ใกล้ที่สุดคนแรก)
4) เรียกGetis-Ord Gi * ใช้แถบระยะทางคงที่ตามการวิเคราะห์ I ของ moran ของคุณหรือใช้ย่านระยะทางคงที่เป็นโซนของความเฉยเมย น้ำหนักเชิงพื้นที่ของคุณจากการรวบรวมเหตุการณ์คือฟิลด์การนับตัวเลขของคุณ สิ่งนี้จะให้คะแนน z สำหรับแต่ละเหตุการณ์ในชุดของคุณ
5) เรียกใช้IDWกับผลลัพธ์ของคุณจาก Getis-Ord Gi *
ผลลัพธ์นี้แตกต่างอย่างมากจากสิ่งที่คุณได้รับจากความหนาแน่นของเคอร์เนล มันจะแสดงให้คุณเห็นว่าค่าสูงและค่าต่ำถูกรวมเข้าด้วยกันมากกว่าที่ค่าสูงโดยไม่คำนึงถึงการทำคลัสเตอร์เช่นในความหนาแน่นของเคอร์เนล