返回顶部

评估对属性不确定性的敏感性 (空间统计)

在本主题中

  1. 摘要
  2. 插图
  3. 使用情况
  4. 参数
  5. 环境
  6. 许可信息

摘要

通过将原始分析输出与使用模拟数据的多个工具运行的结果进行比较来测量分析结果的稳定性。 模拟数据解释了一个或多个分析变量的不确定性。 支持三种类型的属性不确定性：误差幅度、置信区间和原始属性值的百分比。

详细了解“评估对属性不确定性的敏感性”的工作原理

插图

评估对属性不确定性的敏感性工具图示

使用情况

  • 分析结果要素参数需要空间统计工具箱中以下工具之一的分析结果：

    • 热点分析 (Getis-Ord Gi*)
    • 聚类和异常值分析 (Anselin Local Moran's I)
    • 优化的热点分析
    • 优化的异常值分析
    • 广义线性回归
    • 空间自相关 (Global Moran's I)

  • 工具会生成包含图层、图表和弹出窗口的输出图层组，用于比较原始分析在模拟运行中的差异。

  • 工具的输出取决于正在评估的分析类型。

    • 对于热点分析、优化的热点分析、聚类和异常值分析以及优化的异常值分析，该工具提供了原始分析输出的副本和图层，该图层高亮显示了至少 80％ 的模拟运行中产生与原始分析不同结果的位置。
    • 对于广义线性回归，工具提供了原始分析输出的副本和包含每次模拟结果的表格。 表包含图表，用于可视化模拟运行中的回归结果（R 平方、Jarque-Bera 和系数的分布）。
    • 对于空间自相关（Global Moran's I），工具提供了分析输入要素的副本和包含每次模拟结果的表格。 表包含图表，用于可视化模拟运行中的 Z 分数和 Global Moran's I 结果。

  • 工具将运行的模拟使用以下参数进行配置：

    • 不确定性类型 - 指定如何测量属性的不确定性以及模拟数据的可能不确定性范围。 例如，可以使用误差幅度字段来表示分析变量值的不确定性。
    • 模拟方法 - 指定使用不同统计分布生成模拟数据的方式。 例如，模拟方法参数的正态选项将使用正态分布生成模拟值。 原始属性值是平均值，不确定性类型参数（误差幅度）决定标准差。
    误差幅度图表。
    正态模拟方法使用正态分布生成模拟值。 如果不确定性类型是误差幅度，则分布的平均值是原始属性值，标准差是误差幅度。

  • 模拟数据限制参数允许您进一步配置模拟。 使用此参数可以防止模拟生成在分析中没有意义的数据，例如，当分析变量是贫困线以下人口百分比时产生的负值。

  • 工具读取分析结果要素参数值的元数据来识别生成图层的分析工具。 如果在图层上运行了多个工具，则将使用最新的工具。

参数

对话框Python

标注说明数据类型
分析结果要素

包含空间统计工具的输出分析结果的要素类。 仅支持某些特定工具。 这是将要评估稳定性的分析结果。

Feature Layer
输出要素

输出要素将包含原始分析结果的副本和汇总每个要素分析稳定性的字段。

Feature Class
输出模拟表

输出表将包含汇总分析稳定性的字段。

Table
分析输入要素
(可选)

在产生分析结果要素的分析中使用的输入要素。

Feature Layer
不确定性类型
(可选)

指定如何测量属性不确定性。

  • 误差幅度—原始分析的输入要素类包含字段，其中具有将要使用的每个要素的对称误差幅度。
  • 上限和下限—原始分析的输入要素类包含字段，其中包含将要使用的每个要素的下限和上限。 相对于要素的分析变量值，边界可能不对称。
  • 高于和低于的百分比—分析变量将根据低于和高于值的百分比参数指定的百分比进行调整。
String
误差幅度字段
(可选)

包含分析变量的误差幅度 (MOE) 的字段。 MOE 用于构建对称分布，并据此生成模拟值。

Value Table
下限和上限字段
(可选)

包含分析变量的下限和上限的字段。 将在置信区间下限和上限之间生成值。

Value Table
低于和高于值的百分比
(可选)

将从分析变量的原始值中减去和加上到原始属性值的百分比，以创建模拟的值范围。

Value Table
模拟的次数
(可选)

将执行的模拟次数。

Long
模拟方法
(可选)

指定用于模拟数据的概率分布。

  • 正态—将使用正态分布。 这是默认设置。
  • 均匀—将使用均匀分布。
  • 三角形—将使用三角分布。
String
模拟结果的工作空间
(可选)

在现有工作空间中将存储每次模拟的分析结果。 工作空间可以是文件夹或地理数据库。

Workspace
模拟数据限制
(可选)

模拟值的下限和上限。 所有模拟值均在这些限制之内。 例如，对于计数或百分比，使用零下限以确保没有负计数或百分比。

Value Table
误差幅度置信度
(可选)

误差幅度的置信度。 例如，如果误差幅度是根据 95% 置信区间创建的，则提供的值为 95。

Long

派生输出

标注说明数据类型
输出图层组

输出的图层组。

Group Layer
模拟结果的工作空间

在工作空间中存储每次模拟的分析结果。 工作空间可以是文件夹或地理数据库。

Workspace

arcpy.stats.AttributeUncertainty(in_features, out_features, out_simulation_table, {analysis_input_features}, {uncertainty_measure}, {moe_field}, {confidence_bound_field}, {randomize_pct}, {num_simulations}, {simulation_method}, {output_workspace}, {sim_data_limits}, {moe_conf_level})
名称说明数据类型
in_features

包含空间统计工具的输出分析结果的要素类。 仅支持某些特定工具。 这是将要评估稳定性的分析结果。

Feature Layer
out_features

输出要素将包含原始分析结果的副本和汇总每个要素分析稳定性的字段。

Feature Class
out_simulation_table

输出表将包含汇总分析稳定性的字段。

Table
analysis_input_features
(可选)

在产生分析结果要素的分析中使用的输入要素。

Feature Layer
uncertainty_measure
(可选)

指定如何测量属性不确定性。

  • MOE—原始分析的输入要素类包含字段，其中具有将要使用的每个要素的对称误差幅度。
  • CONFIDENCE_BOUNDS—原始分析的输入要素类包含字段，其中包含将要使用的每个要素的下限和上限。 相对于要素的分析变量值，边界可能不对称。
  • PERCENTAGE—分析变量将根据 randomize_pct 参数指定的百分比进行调整。
String
moe_field
[moe_field,...]
(可选)

包含分析变量的误差幅度 (MOE) 的字段。 MOE 用于构建对称分布，并据此生成模拟值。

Value Table
confidence_bound_field
[confidence_bound_field,...]
(可选)

包含分析变量的下限和上限的字段。 将在置信区间下限和上限之间生成值。

Value Table
randomize_pct
[randomize_pct,...]
(可选)

将从分析变量的原始值中减去和加上到原始属性值的百分比，以创建模拟的值范围。

Value Table
num_simulations
(可选)

将执行的模拟次数。

Long
simulation_method
(可选)

指定用于模拟数据的概率分布。

  • NORMAL—将使用正态分布。 这是默认设置。
  • UNIFORM—将使用均匀分布。
  • TRIANGULAR—将使用三角分布。
String
output_workspace
(可选)

在现有工作空间中将存储每次模拟的分析结果。 工作空间可以是文件夹或地理数据库。

Workspace
sim_data_limits
[sim_data_limits,...]
(可选)

模拟值的下限和上限。 所有模拟值均在这些限制之内。 例如，对于计数或百分比，使用零下限以确保没有负计数或百分比。

Value Table
moe_conf_level
(可选)

误差幅度的置信度。 例如，如果误差幅度是根据 95% 置信区间创建的，则提供的值为 95。

Long

派生输出

名称说明数据类型
out_group_layer

输出的图层组。

Group Layer
out_workspace

在工作空间中存储每次模拟的分析结果。 工作空间可以是文件夹或地理数据库。

Workspace

代码示例

AttributeUncertainty 示例 1（Python 窗口）

以下 Python 脚本演示了如何使用 AttributeUncertainty 函数：

import arcpy

in_features = r"C:\US_poverty.gdb\hot_spot_analysis_results"
out_features = r"C:\US_poverty.gdb\uncertainty_pop_below_poverty_line"
analysis_input_features = r"C:\US_poverty.gdb\poverty_prevalence_us_counties"
uncertainty_measure = "PERCENTAGE"
randomize_pct = "pop_below_poverty_line 5 10",
num_simulations = 30
simulation_method = "UNIFORM"
sim_data_limits = "pop_below_poverty_line 0 #"

arcpy.stats.AttributeUncertainty(
    in_features, out_features, None, analysis_input_features, uncertainty_measure, 
    None, None, randomize_pct, num_simulations, simulation_method, None, sim_data_limits)
AttributeUncertainty 示例 2（独立脚本）

以下 Python 脚本演示了如何使用 AttributeUncertainty 函数：

# Analyze the stability of a hot spot analysis 

import arcpy 

arcpy.env.workspace = r"C:\US_poverty.gdb"

try: 
				# Run the Hot Spot Analysis (Local Gi*) tool to analyze the spatial distribution of U.S. residents living below the poverty line
    arcpy.stats.HotSpots(
        Input_Feature_Class="poverty_prevalence_us_counties",
        Input_Field="pop_below_poverty_line",
        Output_Feature_Class="hot_spot_analysis_results",
        Conceptualization_of_Spatial_Relationships="K_NEAREST_NEIGHBORS",
        number_of_neighbors=30)

					# Run the Attribute Uncertainty tool with a percentage uncertainty
					arcpy.stats.AttributeUncertainty(
    					in_features="hot_spot_analysis_results",
    					out_features="uncertainty_pop_below_poverty_line",
    					analysis_input_features= "poverty_prevalence_us_counties",
    					uncertainty_measure="PERCENTAGE",
    					randomize_pct="pop_below_poverty_line 5 10",
   					 num_simulations=30,
    					simulation_method="UNIFORM",
    					sim_data_limits="pop_below_poverty_line 0 #")

except arcpy.ExecuteError:
    # If an error occurred when running the tool, print the error message.
    print(arcpy.GetMessages())

环境

输出坐标系, 随机数生成器

许可信息

  • Basic: 是
  • Standard: 是
  • Advanced: 是

相关主题

  • “评估敏感性”工具集概览
  • 查找地理处理工具
  • 热点分析 (Getis-Ord Gi*) 的工作原理
  • “聚类和异常值分析 (Anselin Local Moran's I)”的工作原理
  • “优化的热点分析”的工作原理
  • “优化的异常值分析”的工作原理
  • 广义线性回归 (GLR) 的工作原理
  • 空间自相关 (Global Moran's I) 的工作原理

有关此主题的反馈?

在本主题中
  1. 摘要
  2. 插图
  3. 使用情况
  4. 参数
  5. 环境
  6. 许可信息