| Beschriftung | Erläuterung | Datentyp |
Eingabe-Features | Die Eingabe-Features, die das Feld enthalten, das räumlich gefiltert wird. | Feature Layer |
Eingabefeld | Das Eingabefeld, das räumlich gefiltert wird. | Field |
Ausgabe-Features | Die Ausgabe-Features, die ein Feld des räumlich gefilterten Eingabefeldes und Felder der räumlichen Komponenten enthält, die zum Filtern verwendet werden. | Feature Class |
Alle Felder aus Eingabe-Features anhängen (optional) | Gibt an, ob alle Felder aus den Eingabe-Features in die Ausgabe-Feature-Class kopiert werden.
| Boolean |
Eingabe-Dateien der räumlichen Gewichtungsmatrix (optional) | Eine Liste der Eingabe-SWM-Dateien (.swm), die als Kandidaten für die SWM verwendet werden, mit der die räumliche Autokorrelation aus dem Eingabefeld herausgefiltert wird. Die SMW wird verwendet, mit der die räumliche Autokorrelation am effektivsten gefiltert wird. Wenn keine Dateien angegeben werden, testet das Werkzeug 28 verschiedene Nachbarschaften. | File |
Ausgabe-Datei der räumlichen Gewichtungsmatrix (optional) | Die Ausgabe-SWM-Datei (.swm) der Nachbarn und Gewichtungen, die vom Werkzeug ausgewählt wurden. | File |
Eindeutiges ID-Feld (optional) | Das Feld für die eindeutige ID der Ausgabe-.swm-Datei. Das Feld muss für jedes Eingabe-Feature einen Einzelwert in Form einer ganzen Zahl enthalten. | Field |
Nur räumliche Eingabe-Gewichtungsmatrizen vergleichen (optional) | Gibt an, ob nur die im Parameter Eingabe-Dateien der räumlichen Gewichtungsmatrix angegebenen .swm-Dateien oder 28 zusätzliche Nachbarschaften getestet werden. Das Werkzeug verwendet die SWM, die räumliche Komponenten erstellt, mit denen die Werte der Eingabefelder am genauesten vorhergesagt werden. Dieser Parameter wird nur angewendet, wenn mindestens eine .swm-Eingabedatei angegeben wird.
| Boolean |
Zusammenfassung
Erstellt eine räumlich gefilterte Version eines Eingabefeldes. Die gefilterte Variable weist keine statistisch signifikante räumliche Cluster-Bildung auf, die statistischen Kerneigenschaften des Feldes bleiben jedoch erhalten. Die räumlich gefilterte Version des Feldes kann in analytischen Workflows (wie Korrelations- oder Regressionsanalyse) verwendet werden, bei denen davon ausgegangen wird, dass die Werte an den einzelnen Positionen räumlich unabhängig (also nicht räumlich geclustert) sind.
Das Werkzeug filtert die räumliche Autokorrelation, indem es das Feld in eine nichträumliche Komponente (das gefilterte Feld) und verschiedene räumliche Komponenten (als Moran-Eigenvektoren bezeichnet) aufteilt. Wenn es sich beim Eingabefeld um ein Feld mit Residuen oder standardisierten Residuen aus einem Vorhersage- oder Regressionsmodell handelt und die räumlichen Komponenten als erklärende Variablen in das Modell einbezogen werden (zusätzlich zu den ursprünglichen erklärenden Variablen), wird die räumliche Autokorrelation des Residuenterms, bei dem es sich um eine Annahme der verschiedenen Vorhersagemodelle handelt, reduziert oder beseitigt.
Abbildung
Verwendung
Die Ausgabe-Feature-Class enthält ein Feld der räumlich gefilterten Eingabevariable sowie Felder der räumlichen Komponenten, die zum Filtern verwendet werden. Beim Ausführen in einer aktiven Karte wird der Ausgabe-Feature-Layer basierend auf dem räumlich gefilterten Eingabefeld dargestellt.
Die Geoverarbeitungsmeldungen enthalten die folgenden Tabellen, in denen die Auswahl der räumlichen Komponenten zusammengefasst ist, die zum räumlichen Filtern des Eingabefeldes verwendet wird:
- Suchverlauf für Nachbarschaften: Für jede der getesteten räumlichen Gewichtungsmatrizen (SWMs) werden Details der SWM (wie die Anzahl der Nachbarn und das Gewichtungsschema), der Morans I-p-Wert für die ursprüngliche Eingabevariable, der Morans I-Wert und der p-Wert der räumlich gefilterten Eingabevariable und die Anzahl der Komponenten, die zum Entfernen der räumlichen Autokorrelation erforderlich waren, angezeigt. Die SWM, die zum Filtern des Eingabefeldes ausgewählt wurde, ist durch fett formatierten Text und ein Sternchen gekennzeichnet.
- Suchverlauf für räumliche Komponenten: Für die ausgewählte SWM wird der ID-Wert der einzelnen Komponenten (z. B. ID 4 steht für die vierte räumliche Komponente), der Morans I-Wert der Komponente und der Morans I-Wert und p-Wert der räumlich gefilterten Eingabevariable angezeigt. Die Zeilen werden in der Reihenfolge der ausgewählten Komponenten angeordnet, sodass der p-Wert bei jeder Zeile erhöht wird, bis er 0,05 (nicht statistisch signifikant) überschreitet.
Um die zum Filtern der räumlichen Autokorrelation im Eingabefeld zu verwendende SWM auszuwählen, generiert das Werkzeug eine Liste mit SWM-Kandidaten und testet, mit welchem Kandidaten die Autokorrelation am effektivsten entfernt wird. Wenn im Parameter Eingabe-Datei der räumlichen Gewichtungsmatrix keine SWMs angegeben sind, werden 28 SWMs erstellt und in die Kandidatenliste aufgenommen (Beschreibungen der einzelnen SWMs finden Sie unter Moran-Eigenvektoren). Wenn Eingabe-SWMs angegeben sind, können Sie mithilfe des Parameters Nur räumliche Eingabe-Gewichtungsmatrizen vergleichen angeben, ob die Kandidatenliste nur die angegebenen SWMs oder die angegebenen SWMs und die 28 vom Werkzeug erstellten SWMs enthält. Um beispielsweise eine einzelne angegebene SWM zu verwenden, geben Sie im Parameter Eingabe-Dateien der räumlichen Gewichtungsmatrix die SWM an, und lassen Sie den Parameter Nur räumliche Eingabe-Gewichtungsmatrizen vergleichen aktiviert.
Das Werkzeug trifft auf folgende Weise eine Auswahl unter den SWM-Kandidaten:
- Das Eingabefeld wird für jede SWM auf eine statistisch signifikante räumliche Autokorrelation getestet. Dafür wird ein Permutationstest für Morans I verwendet. SWMs, die statistisch nicht signifikant sind, werden aus der Kandidatenliste entfernt. Wenn die räumliche Autokorrelation für alle SWMs nicht statistisch signifikant ist (der p-Wert also größer als 0,05 ist), kann das Werkzeug nicht ausgeführt werden und das Eingabefeld wird nicht räumlich gefiltert. Das bedeutet, dass das Feld räumlich nicht korreliert und nicht gefiltert werden muss. Die p-Werte der Tests werden mithilfe einer Šidák-Korrektur entsprechend der Anzahl der getesteten SWMs angepasst.
- Für jeden verbleibenden SWM-Kandidaten werden räumliche Komponenten nach und nach hinzugefügt und als erklärende Variablen zur Vorhersage des Eingabefeldes verwendet. Bei jeder neuen räumlichen Komponente wird die räumliche Autokorrelation des Residuenterms auf statistische Signifikanz getestet, und für die SWM werden keine Komponenten mehr hinzugefügt, wenn die Autokorrelation der Residuen nicht mehr statistisch signifikant sind (der p-Wert also größer als 0,05 ist). Alle neuen Komponenten werden basierend auf dem größten Anstieg des p-Wertes der Autokorrelation des Residuenterms (der die geringste räumliche Autokorrelation angibt) ausgewählt.
- Es wird die SWM ausgewählt, für die die wenigsten Komponenten erforderlich waren, um Residuen zu erzeugen, die nicht signifikant autokorrelieren. Bei Gleichstand wird die Komponente mit dem größten p-Wert ausgewählt.
- Die ausgewählten Komponenten und Residuen werden in Form von Feldern der Ausgabe-Feature-Class zurückgegeben. Dabei entsprechen die Residuen der räumlich gefilterten Version des Eingabefeldes.
Dieses Verfahren wird als MIR-Auswahlmethode (Minimizing autocorrelation In the Residuals, Minimieren der Autokorrelation in den Residuen) bezeichnet und wird in der folgenden Quelle ausführlich beschrieben:
Griffith, Daniel A. und Pedro R. Peres-Neto. 2006. "Spatial modeling in ecology: the flexibility of eigenfunction spatial analyses." Ecology 87, no. 10: 2603-2613. https://doi.org/10.1890/0012-9658(2006)87[2603:SMIETF]2.0.CO;2.
Parameter
arcpy.stats.FilterSpatialAutocorrelationFromField(in_features, input_field, out_features, {append_all_fields}, {in_swm}, {out_swm}, {id_field}, {compare_only_inputs})| Name | Erläuterung | Datentyp |
in_features | Die Eingabe-Features, die das Feld enthalten, das räumlich gefiltert wird. | Feature Layer |
input_field | Das Eingabefeld, das räumlich gefiltert wird. | Field |
out_features | Die Ausgabe-Features, die ein Feld des räumlich gefilterten Eingabefeldes und Felder der räumlichen Komponenten enthält, die zum Filtern verwendet werden. | Feature Class |
append_all_fields (optional) | Gibt an, ob alle Felder aus den Eingabe-Features in die Ausgabe-Feature-Class kopiert werden.
| Boolean |
in_swm [in_swm,...] (optional) | Eine Liste der Eingabe-SWM-Dateien (.swm), die als Kandidaten für die SWM verwendet werden, mit der die räumliche Autokorrelation aus dem Eingabefeld herausgefiltert wird. Die SMW wird verwendet, mit der die räumliche Autokorrelation am effektivsten gefiltert wird. Wenn keine Dateien angegeben werden, testet das Werkzeug 28 verschiedene Nachbarschaften. | File |
out_swm (optional) | Die Ausgabe-SWM-Datei (.swm) der Nachbarn und Gewichtungen, die vom Werkzeug ausgewählt wurden. | File |
id_field (optional) | Das Feld für die eindeutige ID der Ausgabe-.swm-Datei. Das Feld muss für jedes Eingabe-Feature einen Einzelwert in Form einer ganzen Zahl enthalten. | Field |
compare_only_inputs (optional) | Gibt an, ob nur die im Parameter in_swm angegebenen .swm-Dateien oder außerdem 28 zusätzliche Nachbarschaften getestet werden. Das Werkzeug verwendet die SWM, die räumliche Komponenten erstellt, mit denen die Werte der Eingabefelder am genauesten vorhergesagt werden. Dieser Parameter wird nur angewendet, wenn mindestens eine .swm-Eingabedatei angegeben wird.
| Boolean |
Codebeispiel
Das folgende Skript im Python-Fenster veranschaulicht, wie Sie die Funktion FilterSpatialAutocorrelationFromField verwenden.
# Filter spatial autocorrelation from a field.
arcpy.env.workspace = r"c:\data\project_data.gdb"
arcpy.stats.FilterSpatialAutocorrelationFromField(
in_features="myFeatureClass",
input_field="myAnalysisField",
out_features=r"myOutputFeatureClass",
append_all_fields="ALL",
in_swm=None,
out_swm=None,
id_field=None
)Das folgende eigenständige Skript veranschaulicht, wie die Funktion FilterSpatialAutocorrelationFromField verwendet wird.
# Run Generalized Linear Regression, then filter spatial autocorrelation from residuals.
import arcpy
# Set the current workspace
arcpy.env.workspace = r"c:\data\project_data.gdb"
# Run the regression tool.
arcpy.stats.GeneralizedLinearRegression(
in_features=r"myFeatureClass",
dependent_variable="myDependentField",
model_type="CONTINUOUS",
output_features=r"myOutputFeatureClass",
explanatory_variables="myExplanatoryField1;myExplanatoryField2",
distance_features=None,
prediction_locations=None,
explanatory_variables_to_match=None,
explanatory_distance_matching=None,
output_predicted_features=None,
output_trained_model=None
)
arcpy.stats.FilterSpatialAutocorrelationFromField(
in_features="myOutputFeatureClass",
input_field="RESIDUAL",
out_features=r"myFilteredOutputFeatureClass",
append_all_fields="ALL",
in_swm=None,
out_swm=None,
id_field=None
)
# Print the messages.
print(arcpy.GetMessages())Umgebungen
Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja
Verwandte Themen
- Überblick über das Toolset "Dienstprogramme für räumliche Komponenten (Moran-Eigenvektoren)"
- Moran-Eigenvektoren
- Konzeptualisierungen von Nachbarschaften vergleichen
- Erklärende Variablen für räumliche Komponenten erstellen
- Räumliche Struktur zerlegen (Moran-Eigenvektoren)
- Suchen eines Geoverarbeitungswerkzeugs