| ラベル | 説明 | データ タイプ |
入力フィーチャ | 空間的にフィルターされるフィールドを含む入力フィーチャ。 | Feature Layer |
入力フィールド | 空間的にフィルターされる入力フィールド。 | Field |
出力フィーチャ | 空間的にフィルターされた入力フィールドのフィールドとそのフィルターに使用される空間コンポーネントのフィールドを含む出力フィーチャ。 | Feature Class |
入力フィーチャからすべてのフィールドを追加 (オプション) | 入力フィーチャから出力フィーチャクラスにすべてのフィールドをコピーするかどうかを指定します。
| Boolean |
入力空間加重マトリックス ファイル (オプション) | 入力 SWM ファイル (.swm)。 値を指定した場合、このファイルを使用して、入力フィーチャの近傍と加重が定義されます。 値を指定しない場合、ツールは 28 個の異なる近傍をテストし、入力フィールドから空間的自己相関を最も効果的にフィルターする近傍を使用します。 | File |
出力空間加重マトリックス ファイル (オプション) | ツールにより選択された近傍と加重の出力 SWM ファイル (.swm)。 入力 .swm ファイルを指定した場合、このパラメーターは適用されません。 | File |
一意の ID フィールド (オプション) | 出力 .swm ファイルの一意の ID フィールド。 このフィールドは整数でなければならず、入力フィーチャごとに個別値が必要です。 | Field |
サマリー
空間的にフィルターされた入力フィールドのバージョンを作成します。 フィルターされた変数には、統計的に有意な空間クラスタリングはありませんが、フィールドの主要統計プロパティが維持されます。 その後、各位置の値が空間的に独立している (空間的にクラスタリングされていない) と仮定する解析ワークフロー (相関分析や回帰分析など) で空間的にフィルターされたフィールドのバージョンを使用できます。
このツールは、フィールドを非空間コンポーネント (フィルターされたフィールド) と一連の空間コンポーネント (Moran の固有ベクトルと呼ばれる) を分割して、空間的自己相関をフィルターします。 入力フィールドが予測モデルまたは回帰モデルの残差または標準化残差のフィールドである場合、(元の説明変数に加えて) 空間コンポーネントを説明変数としてモデルに含めることにより、残差項の空間的自己相関が削減または除去されます。これは、さまざまな予測モデルの仮定です。
図
使用法
出力フィーチャクラスには、空間的にフィルターされた入力変数のフィールドがそのフィルターに使用される空間コンポーネントのフィールドとともに格納されます。 アクティブなマップで実行した場合、空間的にフィルターされた入力フィールドに基づいて出力フィーチャ レイヤーが描画されます。
ジオプロセシング メッセージには、入力フィールドの空間的フィルター処理に使用される空間コンポーネントの選択を集計する次の 2 つのテーブルが含まれます。
- 近傍検索履歴 - 28 個のテスト済み空間加重マトリックス (SWM) ごとに、SWM の詳細 (近傍数や加重スキームなど)、元の入力変数の Moran's I p 値、空間的にフィルターされた入力変数の Moran's I 値と p 値、空間的自己相関の削除に必要なコンポーネントの数が表示されます。 入力フィールドをフィルターするために選択された SWM は太字のテキストとアスタリスクで示されます。
- 空間コンポーネント検索履歴 - 選択した SWM について、各コンポーネントの ID 値 (例: ID 4 は 4 番目の空間コンポーネントであったことを意味します)、コンポーネントの Moran's I 値、空間的にフィルターされた入力変数の Moran's I 値と p 値が表示されます。 行は選択されたコンポーネントの順に並べられるので、p 値は 0.05 を超える (統計的に有意でなくなる) まで各行で増加します。
ツールは、([入力空間加重マトリックス ファイル] パラメーターで指定されていない限り) 入力フィーチャの SWM を選択し、次の手順を使用して入力フィールドから空間的自己相関を最も効果的に削除するコンポーネントを選択します。
- SWM ごとに、入力フィールドは、Moran's I のパーミュテーション検定を使用して統計的に有意な空間的自己相関についてテストされます。 すべての SWM で空間的自己相関が統計的に有意でない (p 値が 0.05 より大きい) 場合、ツールは失敗し、入力フィールドは空間的にフィルターされません。 これは、そのフィールドに空間的な相関関係がなく、フィルターする必要がないことを示しています。 テストの p 値は、テストされた SWM の数を考慮するようシダック補正を使用して調整されます。
- 統計的に有意な空間的自己相関がある SWM ごとに、空間コンポーネントが連続して追加され、入力フィールドを予測する説明変数として使用されます。 新しい空間コンポーネントごとに、統計的有意性について残差項の空間的自己相関がテストされ、残差の自己相関が統計的に有意でなくなる (p 値が 0.05 より大きくなる) と、各 SWM はコンポーネントの追加を停止します。 新しい各コンポーネントは、(最も低い空間的自己相関を示す) 残差項の自己相関の p 値における最大の増加に基づいて選択されます。
- 大幅に自己相関していない残差を生成するために必要なコンポーネントの数が最小の SWM が選択されます。 コンポーネントの最小数が同数の場合、最大の p 値を持つ SWM が選択されます。
- 選択されたコンポーネントと残差は、出力フィーチャクラスのフィールドとして返されます。 この残差は、空間的にフィルタリングされた入力フィールドのバージョンです。
この手順は MIR (残差内の自己相関を最小化) 選択方法と呼ばれ、次のリファレンスで詳しく説明します。
Griffith, Daniel A., and 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.
パラメーター
arcpy.stats.FilterSpatialAutocorrelationFromField(in_features, input_field, out_features, {append_all_fields}, {in_swm}, {out_swm}, {id_field})| 名前 | 説明 | データ タイプ |
in_features | 空間的にフィルターされるフィールドを含む入力フィーチャ。 | Feature Layer |
input_field | 空間的にフィルターされる入力フィールド。 | Field |
out_features | 空間的にフィルターされた入力フィールドのフィールドとそのフィルターに使用される空間コンポーネントのフィールドを含む出力フィーチャ。 | Feature Class |
append_all_fields (オプション) | 入力フィーチャから出力フィーチャクラスにすべてのフィールドをコピーするかどうかを指定します。
| Boolean |
in_swm (オプション) | 入力 SWM ファイル (.swm)。 値を指定した場合、このファイルを使用して、入力フィーチャの近傍と加重が定義されます。 値を指定しない場合、ツールは 28 個の異なる近傍をテストし、入力フィールドから空間的自己相関を最も効果的にフィルターする近傍を使用します。 | File |
out_swm (オプション) | ツールにより選択された近傍と加重の出力 SWM ファイル (.swm)。 入力 .swm ファイルを指定した場合、このパラメーターは適用されません。 | File |
id_field (オプション) | 出力 .swm ファイルの一意の ID フィールド。 このフィールドは整数でなければならず、入力フィーチャごとに個別値が必要です。 | Field |
コードのサンプル
次の Python ウィンドウ スクリプトは、FilterSpatialAutocorrelationFromField 関数の使用方法を示しています。
# 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
)次のスタンドアロン スクリプトは、FilterSpatialAutocorrelationFromField 関数の使用方法を示しています。
# 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())ライセンス情報
- Basic: Yes
- Standard: Yes
- Advanced: Yes