ฉันพยายามกำหนดระดับของความสัมพันธ์เชิงพื้นที่อัตโนมัติในชุดข้อมูลแบบจุด คุณลักษณะที่ฉันสนใจคือไบนารี (มี / ไม่มีสปีชีส์) ซึ่งโมแรนฉันไม่เหมาะสม ในทางกลับกันสถิติการนับร่วมซึ่งโดยทั่วไปจะแนะนำให้ใช้สำหรับข้อมูลไบนารีหรือหมวดหมู่เห็นได้ชัดว่าไม่เหมาะสำหรับข้อมูลจุด ในระยะสั้นคำถามคือ: อะไรคือสถิติที่เหมาะสมในการวัดระดับโลกและ / หรือท้องถิ่น autocorrelation จุดเมื่อคุณสมบัติของผลประโยชน์เป็นไบนารี?
คำตอบ:
การยืนยันของคุณว่าสถิติการเข้าร่วมนับไม่เหมาะสมสำหรับข้อมูลไบนารีไม่ถูกต้อง เป็นเพียงเรื่องของการระบุน้ำหนักเชิงพื้นที่ (Wij) เช่นเดียวกับใน Morna's-I คุณไม่สามารถใช้เมทริกซ์ระยะทางในการวิเคราะห์ประเภทนี้อย่างไรก็ตามเมทริกซ์ไบนารีที่เหมาะสมของความบังเอิญอาจคำนวณได้โดยใช้การตัดระยะทาง คุณสามารถสร้างเมทริกซ์ตุ้มน้ำหนักเชิงพื้นที่ประเภทนี้รวมทั้งทำการวิเคราะห์การเข้าร่วมนับในไลบรารี R spdep ดูฟังก์ชัน "joincount.test" และ joincount.mc (สำหรับการทดสอบการเปลี่ยนรูปของ Monte Carlo)
ข้อมูลของคุณสามารถวิเคราะห์ได้โดยใช้เทคนิค "การวิเคราะห์รูปแบบจุด" "ริปลีย์ K" โดยเฉพาะน่าจะดีที่สุดสำหรับคุณ
ภาพรวมที่ดีอยู่ที่นี่: http://www.people.vcu.edu/~dbandyop/pubh8472/RipleysK.pdf