探索性空间统计分析和地统计分析
统计的基本方法有哪些
统计的基本方法有哪些
统计的基本方法包括：
1. 描述统计方法：通过计算和描述数据集的集中趋势（如均值、中位数）、离散程度（如标准差、方差）和分布形态（如偏度、峰度）等来总结和描述数据的特征。
2. 探索性数据分析方法：通过图表（如频率直方图、箱线图）和统计量（如相关系数）等工具来分析数据集的结构和关系，揭示数据的模式、异常值和潜在规律。
3. 接受或拒绝假设方法：通过构建假设检验来验证关于总体参数（如均值、比例）的假设，判断观察到的样本统计量是否与假设相符。
4. 置信区间估计方法：通过计算样本统计量的置信区间，给出总体参数的估计范围，并衡量估计的精度。
5. 方差分析方法：通过比较不同组之间的差异，分析因素对总体均值的影响，并确定是否存在显著差异。
6. 回归分析方法：通过拟合数学模型，研究自变量对因变量的影响程度和方向，并进行预测和解释。
7. 聚类分析方法：通过将相似的观测值进行分组，揭示数据集内部的特定结构，并发现数据中的模式和群组。
8. 相关分析方法：通过计算两个或多个变量之间的相关系数，衡量它们之间的线性关系强度和方向。
9. 空间统计方法：通过考虑地理位置和空间关系，分析数据在空间上的分布特点，并探索相关的空间自相关性。
这是一些常见的统计方法，不同的统计问题可能需要使用不同的方法或它们的组合。
统计学分析方法有哪些
统计学分析方法有哪些
统计学分析方法包括以下几种：
1. 描述统计：描述统计是对收集到的数据进行总结和描述的方法，包括平均数、标准差、中位数、众数、频率分布等。
2. 探索性数据分析（EDA）：EDA是一种分析数据的方法，用于发现数据中的模式、异常和关联关系，常用的方法有直方图、散点图、箱线图等。
3. 推断统计：推断统计是从样本数据中得出总体特性的一种方法，常用的方法有假设检验、置信区间估计、相关分析等。
4. 回归分析：回归分析用于研究自变量与因变量之间的关系，可以预测和解释因变量的变化。
线性回归、多元回归、逻辑回归等是常用的回归分析方法。
5. 方差分析：方差分析用于比较不同组之间的平均值是否有显著差异，常用于实验设计和比较研究。
6. 时间序列分析：时间序列分析是对一系列按时间顺序排列的数据进行分析和预测的方法，用于研究数据随时间变化的规律和趋势。
7. 空间统计分析：空间统计分析用于研究地理空间数据的分布和变异规律，常
用的方法包括克里金插值、空间自相关分析等。
8. 因子分析：因子分析是一种数据降维方法，用于发现数据背后的潜在因素和结构，常用于心理学和社会科学等领域。
9. 聚类分析：聚类分析是将数据集中的观测对象分为不同的群组或类别的方法，常用于市场分割、客户分类等。
10. 生存分析：生存分析用于研究个体的生存时间或事件发生的概率，常用于医学、公共卫生和生物学研究。
探索性空间数据分析
地统计方法
• 变异函数
基台值：反映最大变异情 况，越高表明空间异质性越 高； 变程：空间相关性的作用 范围，超出变程则空间相关 性不存在； 块金值：反映随机变化， 受不确定性因素影响部分。
60.37 55.
地统计方法
表4 预测点（1，4）的g向量计算结果
(1,5) (3,4) (1,3) (4,5) (5,1)
距离 1 2 1
3.162 5
g向量 13.5 27 13.5 42.69 67.5
1
(1.5) (3,4) (1,3) (4,5) (5,1) (1,4)
• 直方图 • Normal QQ Plot • 趋势分析 • Voronoi Map • 半变异/协方差云图 • General QQ Plot • 正交协方差云图
直方图
• 将数据分为若干区 间，统计每个区间 内的要素个数
• 给出一组统计量 • 检验数据是否符合
正态分布以及发现 离群值
Normal QQ Plot
感谢聆听! 请关注培训中心更多精彩讲座
表1 半变异值计算结果
半变异值 12.5 12.5 0 112.5 0 12.5 112.5 12.5 50 112.5
距离计算 Sqrt[(1-3)2+(5-4)2] Sqrt[(1-1)2+(5-3)2] Sqrt[(1-4)2+(5-5)2] Sqrt[(1-5)2+(5-1)2] Sqrt[(3-1)2+(4-3)2] Sqrt[(3-4)2+(4-5)2] Sqrt[(3-5)2+(4-1)2] Sqrt[(1-4)2+(3-5)2] Sqrt[(1-5)2+(3-1)2] Sqrt[(4-5)2+(5-1)2]
空间统计分析
空间统计分析目录一、内容综述 (2)1. 背景介绍 (3)2. 研究目的与意义 (4)二、空间统计分析概述 (5)1. 空间统计分析定义 (6)2. 空间统计分析的发展与应用领域 (7)三、数据收集与预处理 (9)1. 数据来源 (10)2. 数据收集方法 (10)3. 数据预处理流程 (12)四、空间数据的可视化分析 (13)1. 空间数据可视化技术 (14)2. 可视化工具与平台选择 (15)3. 可视化分析结果解读 (17)五、空间数据的探索性统计分析 (18)1. 空间数据的描述性统计 (19)2. 空间数据的探索性方法 (20)3. 探索性结果分析与解释 (21)六、空间数据的定量统计分析 (23)1. 空间自相关分析 (24)2. 空间回归分析 (25)3. 空间插值分析 (26)4. 其他空间统计模型与方法 (27)七、空间统计分析的应用案例 (28)1. 城市规划与管理领域应用案例 (29)2. 生态环境保护领域应用案例 (31)3. 经济学领域应用案例 (31)4. 社会学领域应用案例 (33)八、空间统计分析的挑战与展望 (34)1. 技术挑战与解决方案 (35)2. 数据质量与可靠性问题探讨 (37)3. 未来发展趋势预测与展望 (38)九、结论与建议 (39)1. 研究总结与主要发现 (40)2. 政策建议与实施建议 (41)3. 研究不足与展望未来的研究方向 (42)一、内容综述空间统计分析是统计学的一个分支，其研究主要集中在地理空间数据和相关领域的数据分析和解释上。
随着全球定位系统、遥感技术、地理信息系统等技术的不断发展，海量的空间数据不断生成，空间统计分析的重要性愈加凸显。
本文档旨在全面介绍空间统计分析的基本概念、方法、应用及其发展趋势。
我们要明确什么是空间统计分析，空间统计分析结合了统计学与地理学，研究如何利用统计学方法分析带有空间属性的数据，揭示其内在的空间分布规律、空间关联关系以及空间演变趋势。
地统计分析方法
高维数据分析
发展适用于高维数据的降维和可视化 技术，以更好地处理复杂数据。
大数据处理
利用高性能计算机和云计算技术，提 高地统计分析方法的计算效率和准确 性。
可解释性研究
加强地统计分析结果的解释性和可视 化研究，提高结果的易理解性和可解 释性。
05
地统计分析方法的实际案例
案例一：城市人口密度的空间分布特征分析
总结词
通过地统计分析方法，分析农业产量的空间 相关性，揭示农作物生长的空间依赖性和异 质性。
详细描述
利用地统计分析方法，对农业产量进行空间 相关性分析，探究不同地区间农作物产量的 相互影响关系。通过分析产量数据的空间自 相关性和集聚模式，理解农作物生长过程中 的空间依赖性和异质性，为农业管理和区域 发展提供科学依据。
04
地统计分析方法的优势与局限性
优势
空间依赖性分析
高效的空间预测
地统计分析方法能够揭示数据的空间依赖 性，即相邻观测值之间的相互影响，有助 于理解空间现象的内在机制。
地统计分析方法利用已知观测值对未知区 域进行预测，能够提供更精确和可靠的空 间预测结果。
降维处理
灵活的模型选择
地统计分析方法能够将高维数据降维处理 ，提取关键的空间结构和模式，简化复杂 数据的分析过程。
发展
地统计分析方法在不断发展完善中，出现了许多新的方法和模型，如克里格插值 、马尔科夫链蒙特卡罗方法等，为地统计分析提供了更丰富的工具和手段。
02
地统计分析方法的原理
空间自相关原理
空间自相关是地统计分析的核心概念，它描述了空间中某一位置上的现象与周围位 置上同种现象之间的相关性。
空间自相关可以用来检测空间依赖性和异质性，从而揭示空间模式和结构。
探索性空间统计分析的原理
探索性空间统计分析的原理
探索性空间统计分析是一种用于研究地理空间数据模式、关联性和变异性的统计方法。
它的原理是基于地理空间数据的特殊性，考虑了空间自相关性和空间依赖性。
探索性空间统计分析的原理如下：
1. 空间自相关性：空间自相关性是指地理空间数据中相邻地区之间存在的相关性。
探索性空间统计分析通过计算地理空间数据点之间的距离，从而测量地理空间数据的自相关性。
2. 空间依赖性：空间依赖性是指地理空间数据的空间位置对于数据观测值的影响。
探索性空间统计分析通过使用空间权重矩阵，考虑了地理空间数据的空间依赖性。
空间权重矩阵描述了地理空间数据点之间的空间关系，可以用于计算空间依赖性的指标。
3. 空间模式：探索性空间统计分析旨在发现地理空间数据中的空间模式。
空间模式是指数据分布中的规律、趋势或聚集特征。
探索性空间统计分析通过分析空间自相关性和空间依赖性，可以检测并描述地理空间数据中的空间模式。
4. 统计指标：探索性空间统计分析使用一系列统计指标来描述地理空间数据的属性特征。
常见的统计指标包括Moran's I指数、Geary's C指数和Getis-Ord
G指数等。
这些指标测量了空间自相关性、空间依赖性和空间聚集程度等属性，有助于揭示地理空间数据的空间模式。
通过探索性空间统计分析，可以有效地发现地理空间数据中的空间模式和关联性，为进一步的地理空间分析提供基础。
GIS空间分析考试资料[试题]
![GIS空间分析考试资料[试题]](https://img.taocdn.com/s3/m/bfdfe3d60d22590102020740be1e650e52eacfa5.png)
《GIS空间分析原理与方法》期末复习资料说明（注意）：以下部分黑色粗斜体题干表示该题可能是未知题目具体所问，或者未知遗漏还是多出要求，或者表示答案不明确等。
所以仍需进一步检查核实。
欢迎大家改修补充。
第一章地理空间数据分析与GIS1、什么是地理空间数据分析？它是通过研究地理空间数据及其相应分析理论、方法和技术，探索、证明地理要素之间的关系，揭示地理特征和过程的内在规律和机理，实现对地理空间信息的认知、解释、预测和调控。
2、什么是地理系统数学模拟？其模拟的一般过程是？建立地理系统数学模型的过程称为地理系统的数学模拟（简称地理模型）。
地理系统数学模拟的一般过程是：①从实际的地理系统或其要素出发，对空间状态、空间成分、空间相互作用进行分析，建立地理系统或要素的数学模型；②经验检查，若与实际情况不符，则要重新分析，修改模型；若大致相符，则选择计算方法，进行程序设计、程序调试和上机运算，从而输出模型解；③分析模型解，若模型解出错，则修改模型；若模型解正确，则对成果进行地理解释，提出切实可行的方案。
3、地理空间数据挖掘的体系结构？地理空间数据挖掘是数据挖掘的一个研究分支，其实质是从地理空间数据库中挖掘时空系统中潜在的、有价值的信息、规律和知识的过程，包括空间模式与特征、空间与非空间数据之间的概要关系等。
地理空间数据挖掘的体系结构由以下四部分组成：（1）图形用户界面（交互式挖掘）；（2）挖掘模块集合；（3）数据库和知识库（空间、非空间数据库和相关概念）；（4）空间数据库服务器（如ESRI/Oracle SDE，ArcGIS以及其他空间数据库引擎）。
4、什么是地理空间数据立方体？地理空间数据立方体是一个面向对象的、集成的、以时间为变量的、持续采集空间与非空间数据的多维数据集合，组织和汇总成一个由一组维度和度量值定义的多维结构，用以支持地理空间数据挖掘技术和决策支持过程。
5、地理空间统计模型的分为几类，它们的定义分别是什么？地理空间统计模型大致可分为三类：地统计、格网空间模型和空间点分布形态。
探索性空间数据分析
研究生课程探索性空间数据分析杜世宏北京大学遥感与GIS研究所提纲一、地统计基础二、探索性数据分析•地统计（Geostatistics）又称地质统计，是在法国著名统计学家Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。
它是以区域化变量为基础，借助变异函数，研究既具有随机性又具有结构性，或空间相关性和依赖性的自然现象的一门科学。
凡是与空间数据的结构性和随机性，或空间相关性和依赖性，或空间格局与变异有关的研究，并对这些数据进行最优无偏内插估计，或模拟这些数据的离散性、波动性时，皆可应用地统计学的理论与方法。
•地统计学与经典统计学的共同之处在于：它们都是在大量采样的基础上，通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析，确定其空间分布格局与相关关系。
但地统计学区别于经典统计学的最大特点是：地统计学既考虑到样本值的大小，又重视样本空间位置及样本间的距离，弥补了经典统计学忽略空间方位的缺陷。
•地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。
• 1. 前提假设–⑴随机过程。
与经典统计学相同的是，地统计学也是在大量样本的基础上，通过分析样本间的规律，探索其分布规律，并进行预测。
地统计学认为研究区域中的所有样本值都是随机过程的结果，即所有样本值都不是相互独立的，它们是遵循一定的内在规律的。
因此地统计学就是要揭示这种内在规律，并进行预测。
–⑵正态分布。
在统计学分析中，假设大量样本是服从正态分布的，地统计学也不例外。
在获得数据后首先应对数据进行分析，若不符合正态分布的假设，应对数据进行变换，转为符合正态分布的形式，并尽量选取可逆的变换形式。
• 1. 前提假设–（3）平稳性。
对于统计学而言，重复的观点是其理论基础。
统计学认为，从大量重复的观察中可以进行预测和估计，并可以了解估计的变化性和不确定性。
–对于大部分的空间数据而言，平稳性的假设是合理的。
其中包括两种平稳性：•一是均值平稳，即假设均值是不变的并且与位置无关；•另一类是与协方差函数有关的二阶平稳和与半变异函数有关的内蕴平稳。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计分析方法思考题与练习题9.假设Z （x ）是一维区域化随机变量，满足二阶平稳假设，已知()121,z x =()215,z x =()318,z x =()423,z x =()524,z x =()621,z x =()713,z x =()814,z x =()916,z x =()1019z x =，观测点之间的距离h=10m ，如下图所示是计算h=10m ，20m ，…80m 时该区域化变量Z （x ）的变异函数()h γ。
由公式()()()()()2112N h i i i h z x z x h N h γ==-+⎡⎤⎣⎦∑可得h=10m ，20m ，…80m 时该区域化变量Z （x ）的变异函数()h γ如下：()()()()()()()()()()222222222112115151818232324242121131314141616192*91*1588.7818γ⎡⎤=-+-+-+-+-+-+-+-+-⎣⎦==()()()()()()()()()2222222212211815231824232124132114131614192*81*31719.8116γ⎡⎤=-+-+-+-+-+-+-+-⎣⎦==()()()()()()()()22222221321231524182123132414211613192*71*35525.3614γ⎡⎤=-+-+-+-+-+-+-⎣⎦==()()()()()()()222222142124152118132314241621192*61*21918.2512γ⎡⎤=-+-+-+-+-+-⎣⎦==()()()()()()2222211521211513181423162419*949.42*510γ⎡⎤=-+-+-+-+-==⎣⎦ ()()()()()22221162113151418162319*8510.6252*48γ⎡⎤=-+-+-+-==⎣⎦()()()()222117211415161819*518.52*36γ⎡⎤=-+-+-==⎣⎦ ()()()2211821161519*4110.252*24γ⎡⎤=-+-==⎣⎦ ()()21192119*422*12γ=-==10．假设某地区八月份平均气温在空间上的变异规律可以用如下各向同性的球状变异函数描述：()()3*30(0)312.15 1.15**(010)2102103.3010h h h h h h γ⎧=⎪⎛⎫⎪=+-<<=⎨ ⎪⎝⎭⎪⎪>⎩下图给出了该地区x 1、x 2、x 3、x 4四个实测点的空间位置及其8月份平均气温，试用普通克立格法，通过插值计算估计x 0点的8月份平均气温。
解：因为C （0）=C 0+C=3.30而()()()()3*33.30(0)310 1.151**(010)210210010h h h c h c h h h γ⎧=⎪⎛⎫⎪=-=-+<<=⎨ ⎪⎝⎭⎪⎪>⎩当i=j 时，C 11=C 22=C 33=C 44=C （0）=C 0+C=3.30根据克立格矩阵的对称性，当i<>j 时，C ij =C （｜x i -x j ｜），代入上面的公式C （h ）如下：()32112344313312442332122 1.15*1**0.8096210210c c c c c c c c c ⎛⎫=========-+= ⎪⎝⎭((3233214413311.15*1**0.6751210210c c c c c ⎛⎫⎪=====-+= ⎪ ⎪⎝⎭3010203043311.15*1**0.9077210210c c c c c⎛⎫⎪=====-+=⎪⎪⎝⎭将以上计算结果代入克立格方程组得：11111213140112212223240223313233340334414243440441 3.300.80960.80960.6751110.8096 3.300.67510.11111101c c c c cc c c c cc c c c cc c c c cλλλλλλλλμμ-⎛⎫⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪=→=⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭⎝⎭10.9077809610.90770.80960.6751 3.300.809610.90770.67510.80960.8096 3.3010.90771111010.250.250.250.250.4911-⎛⎫⎛⎫⎪ ⎪⎪ ⎪⎪ ⎪⎪ ⎪⎪ ⎪⎪ ⎪⎝⎭⎝⎭⎛⎫⎪⎪⎪=⎪⎪⎪-⎝⎭即克立格权重系数分别是：12340.25λλλλ====所以x0点的降水量的克立格估计值为：()()()()()() *0123410.250.250.250.250.253539374037.75ni iiz z x z x z x z x z xλ===+++=+++=∑克立格估计方差为：()()420001,,3.300.25*0.9077*40.49112.8834k i iic x x c x xσλμ==-+=--=∑一．计算四种癌症的全局moran指数（2）（1）先在arcmap中加入癌症的数据，如下面第二个图；利用arctoolbox工具箱中的spatial statistics tools---analyzing patterns----spatial autoconelation（morans I），输入情况如下面的spatial autoconelation（morans I）对话框，即计算出肺癌的全局moran指数，其余三种癌症的计算方法同上，只需改动input feature的项即可。
（lungc）肺癌（Breastc）乳腺癌Colonc（结肠癌）（Prostc）前列腺癌癌症肺癌结肠癌乳癌前列腺癌全局莫兰指数0.13 0.14 0.17 0.15 p值0.01 0.01 0.01 0.01 临界值 2.58 2.58 2.58 2.58二．计算四种癌症的geary指数用arctoolbox工具箱中的spatial statistics tools---analyzing patterns----high/low clustering（getis—ord general G）工具，输入情况如下面的high/low clustering（getis—ord general G）对话框，即计算出肺癌的全局geary指数，其余三种癌症的计算方法同上，只需改动input feature的项即可。
乳腺癌结肠癌前列腺癌癌症肺癌结肠癌乳癌前列腺癌geary系数0 0 0 0 标准化统计量z值 3.89 4.32 5.22 4.79 p值0.01 0.01 0.01 0.01 临界值 2.58 2.58 2.58 2.58三．计算局部moran指数用arctoolbox下的spatial statistics tools---mapping cluster---cluster and outlier analysis（anselin local morans I）工具计算各种癌症的局部moran指数，步骤如下：（1）肺癌得到的属性表如下（注意最后三列）（2）乳腺癌属性表结肠癌前列腺癌局部moran指数（lmiindex表示局部moran指数，lmizscore值为正表示正相关，为负表示负相关）肺癌局部moran指数（LMiIndex）局部moran指数LMiZScore LMiPValue0.000000274 0.13986800 0.88876500-0.000000181 -0.00802153 0.993600000.000000681 0.28093300 0.778761000.000000688 0.18090100 0.85644500-0.000001570 -0.23440100 0.81467300-0.000000952 -0.14737900 0.88283300-0.000000233 -0.01273360 0.989840000.000000665 0.18311100 0.854711000.000002340 0.41056900 0.68138900-0.000000333 -0.06526320 0.947964000.000000157 0.08450080 0.932658000.000000362 0.13176600 0.89516900-0.000000396 -0.05347120 0.95735600-0.000001981 -0.28699100 0.77411900-0.000000252 -0.02433090 0.980589000.000000065 0.05865640 0.953226000.000000701 0.18623200 0.85226300-0.000000474 -0.04757030 0.962059000.000000020 0.04583800 0.963439000.000000897 0.17354300 0.862225000.000000129 0.07567270 0.939679000.000000469 0.12990200 0.896644000.000001438 0.24989900 0.80266500 0.000000216 0.12321300 0.90193800 0.000000468 0.15289500 0.87848100 0.000000868 0.19984400 0.84160300 0.000000262 0.12805900 0.89810300 0.000000478 0.17141600 0.86389700 -0.000000398 -0.03090500 0.97534500 0.000000257 0.09962940 0.92063900 0.000000059 0.05087880 0.95942200 0.000000045 0.05291290 0.95780100 0.000000373 0.13648400 0.89143900 0.000000208 0.11658600 0.90718800 0.000000685 0.18795500 0.85091200 0.000000002 0.03092650 0.97532800 -0.000000075 0.03315490 0.97355100 0.000000493 0.17252300 0.86302600 0.000001244 0.25158600 0.80136100 0.000000749 0.16761000 0.86689000 0.000000496 0.13377800 0.89357800 0.000000090 0.06380260 0.94912700 0.000001695 0.29174500 0.77048100 -0.000000469 -0.04253300 0.96607400 -0.000000633 -0.11239600 0.91051000 0.000000544 0.18888400 0.85018400 0.000001083 0.21378100 0.83071800 0.000000825 0.18058100 0.85669700 0.000000684 0.21394400 0.83059100 -0.000000073 0.02155800 0.98280100 0.000001014 0.20475800 0.83776100 0.000001815 0.29662800 0.76675000 0.000000924 0.18732500 0.85140600 0.000000589 0.18413800 0.85390500 0.000001538 0.26857400 0.78825800 0.000000426 0.13722100 0.89085600 0.000000382 0.13201500 0.89497200 0.000001098 0.24856200 0.80369900 0.000000901 0.22417200 0.82262400 0.000001366 0.25579900 0.79810600 0.000001007 0.22250800 0.82391900 0.000001456 0.27617100 0.78241700 0.000000747 0.20362100 0.83864900 0.000001223 0.25112100 0.80172000 0.000001758 0.29872200 0.765152000.000000666 0.22454700 0.822332000.000001442 0.26912900 0.787830000.000001038 0.22471300 0.822203000.000002273 0.32179300 0.747609000.000000385 0.12976400 0.896753000.000000620 0.16564700 0.868435000.000001269 0.26838400 0.788404000.000001367 0.23483000 0.814341000.000001784 0.27248800 0.785247000.000000952 0.21277700 0.831501000.000000662 0.17067600 0.864479000.000001043 0.24463800 0.806737000.000001302 0.24487000 0.806557000.000001009 0.21407500 0.830488000.000000547 0.13486700 0.892717000.000000496 0.14546100 0.884347000.000001146 0.23048900 0.817711000.000001098 0.19588400 0.844701000.000000351 0.10574700 0.915783000.000001270 0.25256700 0.800603000.000001736 0.28233700 0.777685000.000001666 0.26305100 0.792511000.000001322 0.23439500 0.814678000.000001183 0.23818900 0.811734000.000001767 0.27037300 0.786873000.000001025 0.20171700 0.840138000.000000607 0.18221900 0.85541100-0.000000510 -0.07772820 0.938044000.000000450 0.16349100 0.870131000.000139261 31.08650000 0.000000000.000140745 21.67070000 0.00000000-0.000001097 -0.18005900 0.857106000.000000945 0.21105200 0.832847000.000000630 0.14589100 0.884008000.000001840 0.30229500 0.76242700 结肠癌局部moran指数LMiIndex LMiZScore LMiPValue0.00000024 0.12592200 0.89979400-0.00000011 0.01252970 0.990003000.00000066 0.27585600 0.782658000.00000073 0.19076000 0.84871300-0.00000118 -0.16456200 0.86928900-0.00000018 0.00053646 0.99957200 0.00000054 0.15973300 0.87309200 0.00000311 0.53087400 0.59550600 -0.00000032 -0.06219710 0.95040600 0.00000016 0.08548820 0.93187300 0.00000031 0.12054500 0.90405100 -0.00000026 -0.02071200 0.98347500 -0.00000194 -0.28171000 0.77816600 -0.00000029 -0.03537980 0.97177700 0.00000009 0.06589080 0.94746500 0.00000071 0.18888600 0.85018200 -0.00000042 -0.03700800 0.97047900 0.00000009 0.06355790 0.94932200 0.00000081 0.16215500 0.87118400 -0.00000002 0.02229670 0.98221100 0.00000050 0.13602400 0.89180300 0.00000016 0.08114980 0.93532300 0.00000131 0.23314400 0.81565000 0.00000021 0.12055200 0.90404600 0.00000047 0.15506200 0.87677200 0.00000087 0.20147900 0.84032400 0.00000022 0.11176800 0.91100800 0.00000042 0.15775100 0.87465300 -0.00000042 -0.03512440 0.97198100 0.00000028 0.10453900 0.91674100 -0.00000004 0.01608470 0.98716700 0.00000001 0.04405160 0.96486300 0.00000038 0.13894200 0.88949600 0.00000022 0.12169400 0.90314200 0.00000071 0.19454600 0.84574800 0.00000000 0.02971090 0.97629800 -0.00000006 0.03740820 0.97016000 0.00000050 0.17456100 0.86142400 0.00000129 0.26073400 0.79429800 0.00000080 0.17615700 0.86017100 0.00000047 0.12983700 0.89669600 0.00000007 0.05602350 0.95532300 0.00000164 0.28597300 0.77489900 -0.00000026 -0.00105907 0.99915500 -0.00000047 -0.07230750 0.94235700 0.00000055 0.19289100 0.84704400 0.00000105 0.21088200 0.83298000 0.00000084 0.18432100 0.853762000.00000000 0.04148800 0.96690700 0.00000108 0.21503400 0.82974100 0.00000175 0.29033800 0.77155800 0.00000095 0.19236700 0.84745500 0.00000056 0.17752000 0.85910000 0.00000139 0.24979400 0.80274600 0.00000050 0.15427300 0.87739400 0.00000038 0.13249600 0.89459200 0.00000108 0.24682500 0.80504300 0.00000083 0.21102300 0.83286900 0.00000128 0.24484600 0.80657500 0.00000091 0.20726700 0.83580100 0.00000125 0.24646400 0.80532300 0.00000071 0.19763200 0.84333300 0.00000119 0.24806900 0.80408100 0.00000165 0.28573300 0.77508200 0.00000025 0.09571300 0.92374900 0.00000046 0.17013600 0.86490300 0.00000137 0.25958100 0.79518700 0.00000106 0.22960700 0.81839800 0.00000224 0.31913400 0.74962500 0.00000045 0.14439700 0.88518700 0.00000056 0.15553400 0.87640000 0.00000121 0.25964800 0.79513600 0.00000138 0.23877800 0.81127800 0.00000176 0.27154300 0.78597400 0.00000078 0.18419700 0.85385900 0.00000058 0.15785400 0.87457200 0.00000105 0.24816800 0.80400500 0.00000130 0.24633400 0.80542300 0.00000086 0.19138200 0.84822600 0.00000061 0.14461100 0.88501800 0.00000048 0.14291400 0.88635800 0.00000125 0.24884400 0.80348100 0.00000137 0.22979600 0.81825000 0.00000051 0.12778300 0.89832100 0.00000135 0.26703700 0.78944100 0.00000184 0.29774200 0.76590000 0.00000184 0.28617700 0.77474200 0.00000146 0.25361900 0.79979000 0.00000127 0.25440100 0.79918600 0.00000186 0.28365800 0.77667300 0.00000106 0.20871900 0.83466800-0.00000038 -0.04712330 0.962415000.00000039 0.14803600 0.882314000.00015141 34.07360000 0.000000000.00015364 23.81740000 0.00000000-0.00000104 -0.16966800 0.865271000.00000096 0.21476200 0.829953000.00000076 0.16643900 0.867811000.00000192 0.31381100 0.75366400乳腺癌局部moran指数LMiIndex LMiZScore LMiPValue2.6200000E-07 1.2156800E-01 9.0324100E-01-1.3800000E-07 3.4499600E-03 9.9724700E-011.3800000E-06 4.8561600E-01 6.2723900E-011.5970000E-06 3.2558200E-01 7.4474100E-01-1.4040000E-06 -1.8716900E-01 8.5152800E-01-9.3900000E-07 -1.3160900E-01 8.9529300E-01-2.4300000E-07 -1.3727100E-02 9.8904800E-015.9400000E-07 1.5454100E-01 8.7718300E-015.5150000E-06 8.2343800E-01 4.1025900E-01-3.5000000E-07 -6.3101500E-02 9.4968600E-011.4900000E-07 7.3527700E-02 9.4138600E-013.6700000E-07 1.2076000E-01 9.0388100E-01-2.0300000E-07 -6.8296900E-03 9.9455100E-01-2.1730000E-06 -2.9501200E-01 7.6798500E-01-1.8000000E-08 3.3249400E-02 9.7347600E-011.1100000E-07 6.4502800E-02 9.4857000E-016.7500000E-07 1.6568700E-01 8.6840300E-01-4.3100000E-07 -3.5560300E-02 9.7163300E-011.3700000E-07 6.7654800E-02 9.4606000E-019.3700000E-07 1.6373200E-01 8.6994200E-01-1.1700000E-07 -1.0187500E-02 9.9187200E-015.4600000E-07 1.3109700E-01 8.9569800E-011.9900000E-07 8.2020200E-02 9.3463100E-011.2800000E-062.0809200E-01 8.3515700E-012.0300000E-07 1.0595500E-01 9.1561800E-014.5900000E-07 1.3569200E-01 8.9206500E-018.9900000E-07 1.8783600E-01 8.5100500E-012.3800000E-07 1.0763700E-01 9.1428400E-014.4200000E-07 1.4677800E-01 8.8330700E-01-4.4100000E-07 -3.6277500E-02 9.7106100E-012.7200000E-07 9.3597600E-02 9.2542900E-01-9.0000000E-09 2.4374600E-02 9.8055400E-019.0000000E-09 3.9545700E-02 9.6845500E-01 3.9900000E-07 1.3016700E-01 8.9643500E-01 2.1100000E-07 1.0629400E-01 9.1534900E-01 6.9100000E-07 1.7304200E-01 8.6261800E-01 -1.9000000E-08 2.0443000E-02 9.8369000E-01 -1.8600000E-07 9.0358400E-03 9.9279100E-01 4.9500000E-07 1.5725300E-01 8.7504500E-01 1.2630000E-06 2.3311100E-01 8.1567500E-01 7.1000000E-07 1.5010800E-01 8.8067900E-01 5.0100000E-07 1.2396200E-01 9.0134600E-01 1.5100000E-07 7.8002600E-02 9.3782600E-01 1.7450000E-06 2.7629200E-01 7.8232400E-01 -2.1000000E-07 7.1617800E-03 9.9428600E-01 -5.8600000E-07 -9.1704700E-02 9.2693300E-01 5.2500000E-07 1.6697400E-01 8.6739100E-01 9.6700000E-07 1.8255300E-01 8.5514900E-01 1.0180000E-06 1.9353900E-01 8.4653700E-01 7.2600000E-07 2.0400600E-01 8.3834900E-01 -2.9000000E-08 3.0297600E-02 9.7583000E-01 1.0320000E-06 1.9222300E-01 8.4756800E-01 1.9170000E-06 2.8698400E-01 7.7412400E-01 9.4200000E-07 1.7496400E-01 8.6110800E-01 5.6900000E-07 1.6286200E-01 8.7062700E-01 1.5980000E-06 2.5642000E-01 7.9762700E-01 6.1900000E-07 1.6228000E-01 8.7108600E-01 5.4000000E-07 1.5249600E-01 8.7879600E-01 1.0480000E-06 2.2097800E-01 8.2510900E-01 8.5700000E-07 1.9568300E-01 8.4485800E-01 1.3120000E-06 2.2835300E-01 8.1937200E-01 1.0140000E-06 2.0469600E-01 8.3780900E-01 1.3390000E-06 2.3968700E-01 8.1057300E-01 7.8100000E-07 1.9288000E-01 8.4705300E-01 1.2230000E-06 2.3126400E-01 8.1711000E-01 1.7370000E-06 2.7421200E-01 7.8392100E-01 5.2800000E-07 1.3019500E-01 8.9641200E-01 1.8900000E-07 8.4778300E-02 9.3243800E-01 1.4170000E-06 2.4608000E-01 8.0562100E-011.0470000E-062.0709200E-01 8.3593800E-012.2410000E-06 2.9770900E-01 7.6592500E-01 5.3000000E-07 1.4689200E-01 8.8321800E-01 7.3300000E-07 1.7117800E-01 8.6408400E-01 1.2670000E-06 2.4689300E-01 8.0499100E-01 1.3390000E-06 2.1110400E-01 8.3280600E-01 1.7220000E-06 2.4350200E-01 8.0761700E-019.8300000E-07 1.9966100E-01 8.4174600E-017.9800000E-07 1.7914200E-01 8.5782600E-011.0330000E-062.2221000E-01 8.2415000E-011.4840000E-062.5099300E-01 8.0182000E-011.0730000E-062.0643200E-01 8.3645400E-019.5800000E-07 1.7768000E-01 8.5897500E-015.0100000E-07 1.3414200E-01 8.9329000E-011.2980000E-062.3298600E-01 8.1577200E-011.6600000E-062.4587100E-01 8.0578200E-017.1000000E-07 1.4223200E-01 8.8689700E-011.3960000E-062.4962600E-01 8.0287600E-011.8360000E-062.7211100E-01 7.8553700E-011.8170000E-062.6090400E-01 7.9416700E-011.4320000E-062.3068400E-01 8.1756100E-011.2820000E-062.3252200E-01 8.1613300E-011.9050000E-062.6430700E-01 7.9154400E-011.1100000E-06 1.9537200E-01 8.4510100E-017.7000000E-08 5.3427700E-02 9.5739100E-01-2.9400000E-07 -2.4995400E-02 9.8005900E-014.8700000E-07 1.5787400E-01 8.7455600E-011.9793600E-04 3.9824100E+01 0.0000000E+002.0220000E-04 2.8453300E+01 0.0000000E+00-1.2320000E-06 -1.9060200E-01 8.4883700E-011.0170000E-062.0451400E-01 8.3795200E-017.0900000E-07 1.4493500E-01 8.8476200E-011.9990000E-06 3.0075300E-01 7.6360300E-01 前列腺癌局部moran指数LMiIndex LMiZScore LMiPValue0.0289219 0.116965 0.906887-0.00182242 0.0332468 0.9734780.0883866 0.296121 0.7671380.032221 0.204121 0.838259-0.0323512 -0.108463 0.913629-0.0267854 -0.0694566 0.944626-0.00462466 0.0217158 0.9826750.0213001 0.15215 0.8790680.10038 0.59736 0.550267-0.0309532 -0.0634261 0.9494270.0100058 0.0599753 0.9521750.0205343 0.124464 0.900948-0.0269084 -0.0698038 0.94435-0.062099 -0.284999 0.775645-0.000997432 0.0366398 0.9707720.000351495 0.0422082 0.966333 0.0296547 0.191129 0.848425 -0.00999481 -0.000456956 0.999635 -0.00413149 0.0236191 0.981156 0.0285735 0.182491 0.855197 -0.00729703 0.00784522 0.99374 0.0118069 0.128888 0.897446 0.00743202 0.0844877 0.932669 0.0376876 0.225224 0.821805 0.0273863 0.112339 0.910555 0.0409046 0.153067 0.878346 0.0325146 0.204278 0.8381360.026832 0.110669 0.9118790.02709 0.151998 0.879189 -0.0175896 -0.0374561 0.970121 0.0117675 0.0882952 0.929642 0.0015201 0.0344094 0.972551 0.00324184 0.0540852 0.956867 0.0208173 0.126317 0.899481 0.0292037 0.117814 0.9062150.028458 0.186637 0.851945 -0.0019963 0.0238152 0.981 -0.0100668 -0.000808899 0.999355 0.0346164 0.183282 0.854577 0.0428937 0.2544 0.7991860.013022 0.135898 0.891902 0.0113571 0.116098 0.907575 0.0163653 0.0791351 0.936925 0.0398618 0.290387 0.77152 -0.0270639 -0.0837903 0.933223 -0.0143126 -0.0180687 0.985584 0.0354797 0.186727 0.851875 0.0230787 0.194065 0.846125 0.0377274 0.228251 0.819451 0.0400223 0.205304 0.837335 0.00586015 0.0648891 0.948262 0.0205287 0.180544 0.856725 0.0430725 0.310279 0.756349 0.0248258 0.187646 0.851154 0.0272107 0.151785 0.879356 0.0379331 0.282418 0.777623 0.0245848 0.16843 0.866245 0.0232369 0.161752 0.8715010.034434 0.242361 0.80850.0422637 0.21452 0.830142 0.0322914 0.228778 0.819041 0.0361051 0.222338 0.824051 0.0235749 0.198902 0.842339 0.0262443 0.176498 0.859903 0.0332262 0.234922 0.81427 0.0344399 0.262683 0.792795 0.0116661 0.117502 0.906462 0.0175726 0.113112 0.909942 0.0299652 0.236825 0.812792 0.0353208 0.220857 0.825204 0.0361154 0.30602 0.75959 0.0186239 0.13931 0.889205 0.0284815 0.157879 0.874552 0.035718 0.248584 0.803683 0.0405417 0.237203 0.812499 0.0406227 0.266889 0.789555 0.0289463 0.187486 0.851279 0.0198074 0.16209 0.871235 0.0383158 0.234852 0.814323 0.0315191 0.24549 0.806077 0.0247684 0.188568 0.850432 0.015199 0.148273 0.882128 0.0182141 0.136963 0.89106 0.0419829 0.251763 0.801224 0.0307692 0.256196 0.7978 0.0107524 0.121989 0.902908 0.0455187 0.269345 0.787665 0.0431716 0.288223 0.773176 0.0335533 0.258088 0.796339 0.0302732 0.237968 0.811906 0.039718 0.23983 0.8104620.04086 0.269654 0.787427 0.0414618 0.205876 0.836888 0.010722 0.0842518 0.932856 -0.0182022 -0.0339188 0.972942 0.0231329 0.136017 0.89180812.1899 36.7556 05.39365 25.7909 0 -0.0395189 -0.144383 0.885198 0.0329512 0.205806 0.836942 0.0242099 0.184467 0.853647 0.0418288 0.325845 0.744542Moran散点图（在windows xp系统下geoda软件完成）1.tools---weights---create2.tools---weights---properties---加载前面刚刚新建立的建立的记事本文件，创建直方图。