خود-همبستگی فضایی قوی
روشهای خود-همبستگی فضایی قوی، درجهای را اندازهگیری میکنند که واحدهای جغرافیایی نزدیک مقادیر مشابهی را به اشتراک میگذارند، در حالی که به طور صریح تأثیر مخدوشکننده دادههای پرت فضایی و مشاهدات پرت را کنترل میکنند. این روشها آمار کلاسیک مانند Moran's I را با وزندهی کمتر یا هرس کردن مشاهداتی که در غیر این صورت سیگنال خود-همبستگی را متورم یا کاهش میدهند، گسترش میدهند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Anselin, L., & Florax, R. J. G. M. (1995). Small sample properties of tests for spatial dependence in regression models: some further results. In Anselin, L. & Florax, R. J. G. M. (Eds.), New Directions in Spatial Econometrics. Springer, Berlin. link ↗
- Cliff, A. D., & Ord, J. K. (1981). Spatial Processes: Models and Applications. Pion, London. ISBN: 0850860814
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Spatial Autocorrelation Analysis. ScholarGate. https://scholargate.app/fa/spatial-analysis/robust-spatial-autocorrelation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- نسبت پیوستگی جیری (Geary's C)تحلیل فضایی↔ compare
- شاخصهای محلی همبستگی فضایی (LISA)تحلیل فضایی↔ compare
- خودهمبستگی فضایی محلیتحلیل فضایی↔ compare
- شاخص I مورانتحلیل فضایی↔ compare
- خودهمبستگی فضاییتحلیل فضایی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →