Обзор набора инструментов Утилиты пространственного компонента (Собственные векторы Моргана)

Набор инструментов Утилиты пространственного компонента (Собственные векторы Морана) содержит инструменты, связанные с созданием и использованием пространственных компонентов (называемых собственными векторами Морана). Эти инструменты обычно запускаются перед запуском инструментов анализа в наборе инструментов пространственной статистики, например, для создания независимых переменных, которые могут использоваться различными инструментами в наборе инструментов моделирования пространственных отношений, или для создания файлов матрицы пространственных весов, которые могут использоваться во многих инструментах пространственной статистики для определения окрестностей и весов между объектами.

Набор инструментов Утилиты пространственного компонента содержит следующие инструменты:

Инструмент	Описание
Сравнение пространственной концептуализации	Выбирает матрицу пространственных весов (SWM) из набора кандидатов SWM, которая наилучшим образом представляет пространственные закономерности (например, тренды или кластеры) одного или нескольких числовых полей.
Создание независимых переменных пространственного компонента	Создает набор полей пространственных компонентов, которые наилучшим образом описывают пространственные закономерности одного или нескольких числовых полей и служат полезными объясняющими переменными в модели прогноза или регрессии.
Разложение пространственной структуры (собственные векторы Морана)	Раскладывает класс пространственных объектов и окрестность на набор пространственных компонентов. Компоненты представляют потенциальные пространственные закономерности между объектами, такие как кластеры или тренды.
Фильтр Пространственной автокорреляции из поля	Создает пространственно отфильтрованную версию входного поля. Отфильтрованная переменная не будет иметь статистически значимой пространственной кластеризации, но сохранит основные статистические свойства поля. Пространственно отфильтрованную версию поля можно использовать в аналитических рабочих процессах (таких как корреляционный или регрессионный анализ), которые предполагают, что значения в каждом местоположении пространственно независимы (не кластеризованы пространственно).