【摘要】：基于一组给定的空间要素及其相关属性，通过计算GMI统计指标值，我们可以定量地了解区域空间自相关状况，评估区域空间格局是聚集、分散还是随机状态［9］。根据零假设的声明，对于GMI统计指标值，所分析的属性值在研究区域内的空间要素之间是随机分布的，即促成所观察格局的空间过程假设是随机的。通常情况下，GMI指数值介于-1.0和1.0之间。
全局Moran's I（GMI）是一种常用的空间自相关统计指标，它可以根据空间要素的位置和要素属性值来度量区域空间自相关性［6］。基于一组给定的空间要素及其相关属性，通过计算GMI统计指标值，我们可以定量地了解区域空间自相关状况，评估区域空间格局是聚集、分散还是随机状态［9］。该指标通过计算GMI指数值、z-score和p-value来对其显著性进行评估，以表明空间要素间的差异是否具有统计学意义［6］。具体地，空间自相关的GMI统计指标可以表示为［35，36］
统计数据的zI-score计算方法如下：
其中，
GMI统计是一种推论统计，这意味着对其结果不能直接进行解释，需基于零假设（null hypothesis）进行解释［9］。根据零假设的声明，对于GMI统计指标值，所分析的属性值在研究区域内的空间要素之间是随机分布的，即促成所观察格局的空间过程假设是随机的。当返回的p-value具有统计学上的显著性，即具有统计学意义时，可拒绝零假设。(www.xing528.com)
通常情况下，GMI指数值介于-1.0和1.0之间。如果数据集中的值倾向于在空间上发生聚集（高值聚集在其他高值附近，低值聚集在其他低值附近），则GMI指数将为正，指示区域呈现正的空间自相关，即空间聚集状态（clustered）；相反地，如果高值排斥其他高值，而倾向于靠近低值，则该指数将为负，指示区域呈现空间分散状态（dispersed）。从总体来说，正的GMI统计指标值（0，1］指示空间聚集趋势，而负的GMI统计指标值［-1，0）指示空间分散趋势［6］。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
