ArcGIS中空间自相关分析（Moran‘s I）

Answer 1

在ArcGIS中进行空间自相关分析时，主要关注莫兰指数（Moran’s I），该分析方法用于探索地理数据中不同位置间数值的相互依赖性。莫兰指数位于-1到1之间，通过其值可以了解数据是否存在空间自相关性。当莫兰指数大于0时，表示存在正自相关，即相邻位置的数据具有相似性；若小于0，则表示负自相关，相邻位置的数据具有差异性；接近0则提示数据分布随机，无明显空间相关性。

分析结果还包括z值与p值。z值用于判断数据分布是否呈现聚集或离散。z值大于1.65或小于-1.65时，表示数据分布呈现聚集或离散；若z值在-1.65到1.65之间，说明数据分布随机，不存在空间自相关性。p值是假设检验的结果，其值用于评估原假设（即研究对象不存在空间自相关性）是否成立。

原假设的拒绝标准是p值小于0.1，表示在90%置信区间下拒绝原假设，存在空间自相关性；p值小于0.01，则在99%置信区间下拒绝原假设，表明研究内容具有显著的空间自相关性。反之，若p值大于0.1，则接受原假设，说明研究对象不存在空间自相关性。

莫兰指数本身并不直接反映空间效应的强度，而是其p值通过假设检验来判断是否存在空间相关性。当莫兰指数的绝对值大于0.2时，可以认为具有明显的空间效应。在实际分析中，关注莫兰指数及其p值能够有效评估地理数据的空间分布模式与相关性。

综上所述，通过ArcGIS中的空间自相关分析，莫兰指数、z值与p值的综合评估能帮助我们深入了解地理数据的空间结构，判断是否存在空间相关性及其强度。当p值大于0.1时，结论是研究对象不存在空间相关性。