La herramienta Autocorrelación espacial devuelve cinco valores: el índice I de Moran, el índice esperado, la varianza, la puntuación z y el valor P. Estos valores se escriben como mensajes en la parte inferior del panel Geoprocesamiento durante el uso de la herramienta y se transmiten como valores de salida derivados para su uso potencial en modelos o secuencias de comandos. Para acceder a los mensajes, pase el cursor sobre la barra de progreso y haga clic en el botón emergente o expanda la sección de detalles de los mensajes del panel Geoprocesamiento. También puede acceder a los mensajes y detalles de una herramienta ejecutada anteriormente a través del historial de geoprocesamiento. Puede crear un informe HTML con un resumen gráfico de los resultados mediante el uso de esta herramienta. La ruta al informe se incluirá con los mensajes que resumen los parámetros de la herramienta. Haga clic en esa ruta para abrir el archivo de informe.
Para un conjunto de entidades y un atributo asociado, esta herramienta evalúa si el patrón expresado está agrupado, disperso o es aleatorio. Cuando la puntuación z o el valor p indican una significancia estadística, un valor positivo del índice I de Moran indica una tendencia hacia el clustering mientras que un valor negativo del índice I de Moran indica una tendencia hacia la dispersión.
Esta herramienta calcula una puntuación z y un valor p que le indican si puede rechazar las hipótesis nulas. En este caso, la hipótesis nula establece que los valores de las entidades no están espacialmente correlacionados.
La puntuación z y el valor p son medidas de la significancia estadística. Estos valores pueden ayudarle a determinar si rechazar la hipótesis nula. Para esta herramienta, la hipótesis nula establece que los valores asociados con entidades están distribuidos en forma aleatoria.
El valor del parámetro Campo de entrada debe contener una variedad de valores. La operación matemática para esta estadística requiere variación en la variable analizada; no se puede resolver si todos los valores de entrada son 1, por ejemplo. Si desea utilizar esta herramienta para analizar el patrón espacial de los datos de incidentes, plantéese agregar los datos de incidentes. También puede utilizar la herramienta Análisis de puntos calientes optimizado para analizar el patrón espacial de datos de incidentes.
Los datos de incidentes son puntos que representan eventos (delitos, accidentes de tráfico) u objetos (árboles, tiendas) donde el foco se centra en la presencia o ausencia en lugar de un atributo medido asociado a cada punto.
Cuando el valor del parámetro Clase de entidad de entrada no está proyectado (es decir, cuando las coordenadas están en grados, minutos y segundos) o cuando el entorno Sistema de coordenadas de salida se establece en un sistema de coordenadas geográficas, las distancias se calculan mediante mediciones de cuerda. Las mediciones de distancia de cuerda se utilizan porque se pueden calcular rápidamente y proporcionan estimaciones buenas de las verdaderas distancias geodésicas, al menos para los puntos separados aproximadamente unos treinta 30 grados entre sí. Las distancias de cuerda se basan en un esferoide oblato. A partir de dos puntos en la superficie terrestre, la distancia de cuerda entre ellos es la longitud de una línea que atraviesa la Tierra tridimensionalmente para conectar los dos puntos. Las distancias de cuerda se informan en metros.
Precaución:
Asegúrese de proyectar los datos si el área de estudio se extiende más allá de 30 grados. Las distancias de cuerda no son una buena estimación de las distancias geodésicas más allá de 30 grados.
Cuando se utilizan distancias de cuerda en el análisis, el valor del parámetro Banda de distancia o distancia de umbral, si se especifica, debe estar en metros.
Los centroides de entidad se utilizan en los cálculos de distancia para las entidades de línea y polígono. Para multipuntos, polilíneas o polígonos con varias partes, el centroide se calcula utilizando el centro medio ponderado de todas las partes de entidad. La ponderación para las entidades de punto es 1, para las entidades de línea es longitud y para las entidades de polígono es área.
El parámetro Conceptualización de relaciones espaciales deberá reflejar relaciones inherentes entre las entidades que analiza. Cuanto más pueda modelar de manera realista cómo interactúan mutuamente las entidades en el espacio, más precisos serán sus resultados. Las recomendaciones se describen en Prácticas recomendadas para seleccionar una conceptualización de relaciones espaciales. A continuación, se ofrecen más sugerencias:
Cuando se utiliza la opción Banda de distancia fija, el valor del parámetro Banda de distancia o Distancia de umbral predeterminado garantizará que cada entidad tenga al menos un vecino. Es importante, pero en muchos casos este valor predeterminado no es la distancia más apropiada para el análisis. En Banda de distancia (esfera de influencia) se describen estrategias adicionales para seleccionar una escala apropiada (banda de distancia) para un análisis.
Cuando se utilizan las opciones Distancia inversa o Distancia inversa cuadrada y se introduce cero en el parámetro Banda de distancia o distancia de umbral, se considera que todas las entidades son vecinas de las demás entidades; cuando este parámetro se deja en blanco, se aplica la distancia predeterminada.
Los pesos de las distancias menores que 1 se vuelven inestables cuando se invierten. Por consiguiente, a los pesos de entidades separadas por menos de 1 unidad de distancia se les da un peso de 1.
Para las opciones de distancia inversa (Distancia inversa, Distancia inversa cuadrada y Zona de indiferencia), se asignará un peso de 1 a todos los pares de puntos coincidentes para evitar la división por cero. Esto garantiza que las entidades no sean excluidas del análisis.
En Python, la salida derivada de esta herramienta contiene el valor de índice I de Moran, la puntuación z, el valor p y un archivo de informe HTML, además de las entidades de entrada. Por ejemplo, si asigna el objeto Result de la herramienta a una variable denominada MoranResult, MoranResult[0] almacena el valor de índice I de Moran, MoranResult[1] almacena la puntuación z, MoranResult[2] almacena el valor p, MoranResult[3] almacena la ruta del archivo de informe HTML y MoranResult[4] almacena las entidades de entrada. Si no genera un archivo de informe HTML mediante el uso del parámetro Generar informe, la cuarta salida derivada será una cadena vacía.
Las opciones adicionales para el parámetro Conceptualización de relaciones espaciales, incluidas las relaciones tridimensionales y espaciotemporales, están disponibles utilizando la herramienta Generar matriz de ponderaciones espaciales. Para utilizar estas opciones adicionales, construya un archivo de matriz de ponderaciones espaciales antes del análisis; para el parámetro Conceptualización de relaciones espaciales, utilice la opción Obtener ponderaciones espaciales a partir del archivo y, para el parámetro Archivo de matriz de ponderaciones, especifique la ruta del archivo de ponderaciones espaciales que creó.
Las capas de mapa se pueden especificar como el valor del parámetro Clase de entidad de entrada. Al utilizar una capa con una selección, solo las entidades seleccionadas se incluirán en el análisis.
Si proporciona un valor de parámetro Archivo de matriz de ponderaciones con una extensión .swm, se espera que se cree un archivo de matriz de ponderaciones espaciales con la herramienta Generar matriz de ponderaciones espaciales; de lo contrario, se espera un archivo de matriz de ponderaciones espaciales con formato ASCII. En algunos casos, el comportamiento es diferente según el siguiente tipo de archivo de matriz de ponderaciones espaciales que utilice:
- Archivo de matriz de ponderaciones espaciales con formato ASCII
- Los pesos se utilizarán tal cual. Las relaciones de entidad a entidad que faltan se tratarán como ceros.
- Si los pesos están estandarizados por fila, los resultados pueden ser incorrectos para los análisis en los conjuntos de selección. Para ejecutar un análisis en un conjunto de selección, convierta el archivo de ponderaciones espaciales ASCII a un archivo .swm leyendo los datos ASCII en una tabla y utilizando la opción Convertir tabla con la herramienta Generar matriz de ponderaciones espaciales.
- Archivo de matriz de ponderaciones espaciales con formato SWM
- Si los pesos están estandarizados por fila, se volverán a estandarizar para los conjuntos de selección; de lo contrario, los pesos se utilizarán como están.
La ejecución de un análisis con un archivo de matriz de ponderaciones espaciales con formato ASCII consume mucha memoria. Para los análisis de más de 5000 entidades, plantéese convertir el archivo de matriz de ponderaciones espaciales con formato ASCII en un archivo con formato SWM. Primero, coloque las ponderaciones ASCII en una tabla con formato (por ejemplo, por medio de Excel). A continuación, ejecute la herramienta Generar matriz de ponderaciones espaciales utilizando Convertir tabla para el valor del parámetro Conceptualización de relaciones espaciales. El resultado será un archivo de matriz de ponderaciones espaciales con formato .SWM.
Es posible que la memoria sea insuficiente cuando ejecuta esta herramienta. Puede ocurrir cuando los valores de los parámetros Conceptualización de relaciones espaciales y Banda de distancia o distancia de umbral especificados dan como resultado entidades con miles de vecinos. Como regla general, no defina relaciones espaciales para que las entidades tengan miles de vecinos. Todas las entidades deben tener al menos un vecino y casi todas las entidades deben tener al menos ocho vecinos.
Para las entidades poligonales, utilice la opción Fila para el parámetro Estandarización. La Estandarización de filas reduce la influencia cuando la cantidad de vecinos de cada entidad es una función del esquema de agregación o del proceso de muestreo, en lugar de una reflexión de la distribución espacial real de la variable que está analizando.
Para obtener más información sobre los parámetros de esta herramienta, consulte el tema de ayuda Modelado de relaciones espaciales.
Precaución:
Sin embargo, los shapefiles no pueden almacenar valores nulos. Las herramientas u otros procedimientos que crean shapefiles a partir de otros tipos de entradas pueden almacenar o interpretar valores nulos como cero. En algunos casos, los valores nulos se almacenan como valores negativos grandes en shapefiles, lo que puede dar lugar a resultados inesperados. Consulte Consideraciones de geoprocesamiento para la salida del shapefile para obtener más información.
