Vue d’ensemble du jeu d’outils Utilitaires des composantes spatiales (vecteurs propres de Moran)

Le jeu d’outils Utilitaires des composantes spatiales (vecteurs propres de Moran) contient des outils liés à la création et à l’utilisation des composants composantes spatiales (appelées vecteurs propres de Moran). En principe, les outils sont exécutés avant l’exécution des outils d’analyse dans la boîte à outils Statistiques spatiales. Ils permettent, par exemple, de créer des variables explicatives utilisables par divers outils dans le jeu d’outils Modélisation des relations spatiales ou pour créer des fichiers matrice de pondérations spatiales utilisables dans un grand nombre d’outils statistiques afin de définir les voisinages et les pondérations entre les entités.

Le jeu d’outils Utilitaires des composantes spatiales contient les outils suivants :

OutilDescription

Comparer les conceptualisations de voisinage

Sélectionne la matrice de pondérations spatiales (SWM) parmi un ensemble de matrices candidates représentant le mieux les modèles spatiaux (comme les tendances ou les agrégats) d’un ou plusieurs champs numériques.

Créer des variables explicatives des composants spatiaux

Crée un ensemble de champs de composants spatiaux qui décrivent le mieux les modèles spatiaux d’un ou de plusieurs champs numériques et qui font office de variables explicatives utiles dans un modèle de prévision ou de régression.

Décomposer la structure spatiale (vecteurs propres de Moran)

Décompose une classe d’entités et un voisinage dans un jeu de composantes spatiales. Les composantes représentent des modèles spatiaux potentiels des entités, tels que des agrégats ou des tendances.

Filtrer l’autocorrélation spatiale à partir d’un champ

Crée une version spatialement filtrée d’un champ en entrée. La variable filtrée n’a pas d’agrégation spatiale statistiquement significative, mais préserve les propriétés statistiques principales du champ. La version spatialement filtrée du champ peut être utilisée dans des processus analytiques (tels que la corrélation ou l’analyse de régression) qui présument que les valeurs à chaque localisation sont spatialement indépendantes (non agrégées spatialement).