Relations bivariées locales (Statistiques spatiales)

ArcGIS Pro 3.4 | | Archive de l’aide

Synthèse

Analyse les relations significatives statistiquement de deux variables à l’aide de l’entropie locale. Chaque entité est classée selon l’une des six catégories en fonction du type de relation. Le résultat peut être utilisé pour visualiser les zones dans lesquelles les variables sont reliées et explorer comment leurs relations évoluent à travers la zone d’étude.

En savoir plus sur le fonctionnement des Relations bivariées locales

Illustration

Illustration de l’outil Relations bivariées locales
Détecter et visualiser la relation locale entre deux variables.

Utilisation

  • Cet outil accepte les points et polygones en entrée et doit être utilisé avec des variables continues. Il n’est pas approprié pour les données binaires ou catégorielles.

  • Il est recommandé de stocker les entités en sortie dans une géodatabase plutôt que dans un shapefile (.shp). Les shapefiles ne peuvent pas stocker de valeurs nulles dans les attributs, ni stocker les diagrammes dans leurs boîtes de dialogue contextuelles.

  • Chaque entité en entrée est classée selon l’une des catégories de relations suivantes en fonction du degré de fiabilité avec lequel le paramètre Variables explicative peut prévoir la valeur du paramètre Variable dépendante :

    • Not Significant (Non significative) : la relation entre les variables n’est pas significative statistiquement.
    • Positive Linear (Linéaire positive) : la variable dépendante augmente de manière linéaire à mesure que la variable explicative augmente.
    • Negative Linear (Linéaire négative) : la variable dépendante diminue de manière linéaire à mesure que la variable explicative augmente.
    • Concave : la variable dépendante change selon une courbe concave à mesure que la variable explicative augmente.
    • Convex (Convexe) : la variable dépendante change selon une courbe convexe à mesure que la variable explicative augmente.
    • Complexe non définie - Les variables sont nettement liées, mais le type de relation ne peut pas être décrit de manière fiable par une autre catégorie.

  • L’existence d’une relation entre deux variables ne dépend pas du fait que l’une est marquée comme variable explicative et l’autre comme variable dépendante. Par exemple, si le diabète est lié à l’obésité, l’obésité est également liée au diabète. Cependant, la détermination du type de relation peut varier selon la variable marquée comme variable explicative et celle marquée comme variable dépendante. Une première variable peut prévoir avec précision une deuxième variable, mais l’inverse n’est pas forcément vrai. En cas de doute sur la variable à utiliser comme variable explicative et la variable à utiliser comme variable dépendante, exécutez l’outil deux fois en essayant les deux options.

  • Cet outil prend en charge le traitement parallèle et utilise 50 pour cent des processeurs disponibles par défaut. Le nombre de processeurs utilisés peut être augmenté ou réduit à l’aide de l’environnement Facteur de traitement parallèle.

Paramètres

ÉtiquetteExplicationType de données
Entités en entrée

La classe d’entités contenant les champs représentant les valeurs Variable dépendante et Variable explicative.

Feature Layer
Variable dépendante

Le champ numérique représentant les valeurs de la variable dépendante. Lors de la catégorisation des relations, la valeur Variable explicative est utilisée pour prévoir la valeur Variable dépendante.

Field
Variable explicative

Le champ numérique représentant les valeurs de la variable explicative. Lors de la catégorisation des relations, la valeur Variable explicative est utilisée pour prévoir la valeur Variable dépendante.

Field
Entités en sortie

La classe d’entités en sortie contenant toutes les entités en entrée avec les champs représentant la valeur Variable dépendante, Variable explicative, le score d’entropie, la pseudo valeur p, le niveau de signification, le type de relation catégorisée et les diagnostics associés à la catégorisation.

Feature Class
Nombre de voisins
(Facultatif)

Le nombre de voisins autour de chaque entité (incluant l’entité) qui sera utilisé pour tester l’existence d’une relation locale entre les variables. Le nombre de voisins doit être compris entre 30 et 1 000, la valeur par défaut étant de 30. La valeur fournie doit être suffisamment grande pour détecter la relation entre les entités, tout en étant suffisamment petite pour continuer à identifier les modèles locaux.

Long
Nombre de permutations
(Facultatif)

Spécifie le nombre de permutations à utiliser pour calculer la pseudo valeur p pour chaque entité. Le choix du nombre de permutations doit faire l'objet d'un compromis entre précision de la pseudo valeur p et augmentation du temps de traitement.

  • 99 permutationsAvec 99 permutations, la plus petite pseudo valeur p possible est 0,01 et toutes les autres pseudo valeurs p sont des multiples de cette valeur.
  • 199 permutationsAvec 199 permutations, la plus petite pseudo valeur p possible est 0,005 et toutes les autres pseudo valeurs p sont des multiples de cette valeur. Il s’agit de l’option par défaut.
  • 499 permutationsAvec 499 permutations, la plus petite pseudo valeur p possible est 0,002 et toutes les autres pseudo valeurs p sont des multiples de cette valeur.
  • 999 permutationsAvec 999 permutations, la plus petite pseudo valeur p possible est 0,001 et toutes les autres pseudo valeurs p sont des multiples de cette valeur.
Long
Activer les fenêtres contextuelles du nuage de points local
(Facultatif)

Détermine si les fenêtres contextuelles du nuage de points seront générées pour chaque entité en sortie. Chaque nuage de points affiche les valeurs des variables explicative (axe horizontal) et dépendante (axe vertical) dans le voisinage local ainsi qu’une ligne ajustée ou courbe représentant la forme de la relation. Les diagrammes du nuage de points ne sont pas disponibles pour les sorties shapefile.

  • Cochée : les fenêtres contextuelles du nuage de points local seront générées pour chaque entité du jeu de données. Il s’agit de l’option par défaut.
  • Décochée : les fenêtres contextuelles du nuage de points local ne seront pas générées.
Boolean
Niveau de confiance
(Facultatif)

Spécifie un niveau de confiance du test de l’hypothèse de l’existence de relations significatives.

  • 90 %Le niveau de confiance par défaut est 90 pour cent. Il s’agit de l’option par défaut.
  • 95%Le niveau de confiance par défaut est 95 pour cent.
  • 99%Le niveau de confiance par défaut est 99 pour cent.
String
Appliquer la correction FDR (False Discovery Rate)
(Facultatif)

Spécifie si la correction FDR sera appliquée aux pseudo valeurs p.

  • Coché : la signification statistique sera basée sur la correction FDR. Il s’agit de l’option par défaut.
  • Décoché : la signification statistique sera basée sur la pseudo valeur p.
Boolean
Facteur d’échelle (Alpha)
(Facultatif)

Niveau de sensibilité aux relations subtiles entre les variables. Les valeurs plus élevées (plus proches de un) peuvent détecter des relations relativement faibles, tandis que les valeurs plus petites (plus proches de zéro) ne détecteront que les relations fortes. Les valeurs plus faibles sont également moins sensibles aux points aberrants. La valeur doit être comprise entre 0,01 et 1 ; la valeur pas défaut est 0,5.

Double

Informations de licence

  • Basic: Oui
  • Standard: Oui
  • Advanced: Oui

Rubriques connexes