Geary'nin C'si — Mekansal Bitişiklik Oranı
Geary's Contiguity Ratio · Ayrıca şöyle bilinir: Geary contiguity ratio, Geary C statistic, spatial contiguity ratio, Geary's c
Geary'nin C'si, komşu alan birimlerinin benzer öznitelik değerlerini paylaşıp paylaşmadığını ölçen küresel bir mekansal otokorelasyon istatistiğidir. Moran'ın I'sından farklı olarak, ortalamadan sapmaların çapraz ürünleri yerine komşu çiftler arasındaki karesel farklara odaklanır, bu da onu yerel farklılıklara karşı daha duyarlı ve küresel eğilimlerden daha az etkilenir hale getirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+6 tane daha
Ne zaman kullanılır
Alan (poligon veya kafes) verileriniz olduğunda ve sürekli bir özniteliğe sahip olduğunuzda ve değerlerin tüm çalışma bölgesi boyunca mekansal olarak kümelenip kümelenmediğini test etmek istediğinizde Geary'nin C'sini kullanın. Özellikle yerel farklılık desenlerinden şüpheleniyorsanız veya aykırı değerler Moran'ın I'ı gibi ortalamaya dayalı bir istatistiği bozuyorsa uygundur. Doğrusal bir ölçüm için Moran'ın I'ını tercih edin; yerel kontrastın teorik olarak ilginç olduğu durumlarda Geary'nin C'sini tercih edin. Nokta verileri üzerinde, önce alan birimlerine toplamadığınız sürece Geary'nin C'sini kullanmayın ve mekansal ağırlıklar matrisinin kötü tanımlandığı veya alan birimlerinin sayısının çok az olduğu (kabaca 30'dan az) durumlarda kullanmayın, çünkü normal yaklaşım güvenilmez hale gelir.
Güçlü yönler & sınırlılıklar
- Yerel farklılıklara duyarlı: Moran'ın I'ının hafife alabileceği dama tahtası veya alternatif mekansal desenleri tespit eder.
- Sezgisel sıfır değeri 1 olan 0 ile 2 arasında değişir, bu da otokorelasyonun yönünün hemen okunmasını sağlar.
- Moran'ın I'ına kıyasla küresel ortalama kaymalarından veya öznitelik dağılımındaki aykırı değerlerden daha az etkilenir.
- Büyük kafes veri kümelerinde seyrek ağırlık matrisi işlemleri kullanılarak hızlı bir şekilde hesaplanabilir.
- Moran'ın I'ını tamamlar: ikisini birlikte kullanmak mekansal yapıya daha zengin bir resim sunar.
- Mekansal ağırlıklar matrisinin seçimine duyarlı — farklı komşu tanımları çelişkili sonuçlar verebilir.
- Çıkarım için normal yaklaşım yaklaşık 30'dan az alan birimiyle güvenilmezdir; küçük haritalar için permütasyon çıkarımı tercih edilir.
- Küresel bir istatistik olarak C, tüm çalışma bölgesini özetler ve mekansal kümelerin veya aykırı değerlerin nerede bulunduğunu gösteremez; bunun için yerel uzantılar (Yerel Geary'nin C'si) gereklidir.
- Moran'ın I'ı ile karşılaştırıldığında doğrudan yorumlanabilirliği daha azdır çünkü C, [-1, 1] ile sınırlı değildir.
- Sınır etkilerine ve değiştirilebilir alan birimi problemine (MAUP) duyarlıdır: sonuçlar bölgelerin nasıl belirlendiğine bağlıdır.
SSS
Geary'nin C'si ile Moran'ın I'ı arasındaki fark nedir?
Her ikisi de küresel mekansal otokorelasyonu ölçer, ancak farklı formüller kullanırlar. Moran'ın I'ı, ortalamadan sapmış değerlerin çapraz ürünlerine dayanır ve kabaca -1 ile +1 arasında değişir, bir korelasyon katsayısını andırır. Geary'nin C'si, komşu çiftler arasındaki karesel farkları kullanır ve 0 ile 2 arasında, 1 gibi bir sıfır değerine sahiptir. Geary'nin C'si, yerel farklılıklara daha duyarlıdır ve küresel kümelenmeye Moran'ın I'ından daha az duyarlıdır. İki istatistik genellikle aynı fikirde olsa da, mekansal desen ince taneli bir alternasyon içerdiğinde farklılık gösterebilir.
Geary'nin C'si için nasıl bir mekansal ağırlıklar matrisi seçmeliyim?
Seçim, verileriniz için uygun olan komşuluk teorik anlayışına bağlıdır. Kraliçe bitişikliği (ortak kenar veya köşe) ve kale bitişikliği (sadece ortak kenar) düzenli kafesler için yaygındır. Düzensiz poligonlar için kraliçe bitişikliği veya k-en yakın komşu matrisi tipiktir. Ana kural, komşuları sonuçları görmeden önce tanımlamak ve iki veya üç makul spesifikasyon altındaki sonuçları karşılaştırarak duyarlılığı kontrol etmektir.
Geary'nin C'sini nokta verileri üzerinde kullanabilir miyim?
Doğrudan değil. Geary'nin C'si, bitişiklik veya yakınlığın bir ağırlık matrisine kodlanabileceği alan birimleri için tasarlanmıştır. Nokta verileri için, noktaları poligonlara toplamanız ve ardından Geary'nin C'sini uygulamanız veya Ripley'nin K'sı veya çekirdek yoğunluk tahmini gibi bir nokta deseni istatistiği kullanmanız gerekir.
0'a yakın bir Geary'nin C değeri ne anlama gelir?
0'a yakın bir değer, güçlü pozitif mekansal otokorelasyonu gösterir: komşu birimler, rastgele atamadan çok daha fazla benzer öznitelik değerlerine sahiptir. 1'e yakın değerler mekansal rastgeleliği, 2'ye yaklaşan değerler ise negatif otokorelasyonu (komşuların farklı değerlere sahip olma eğiliminde olduğu bir dama tahtası deseni) gösterir.
Çıkarım için permütasyon testi mi yoksa normal yaklaşımı mı kullanmalıyım?
Permütasyon testi genellikle tercih edilir çünkü öznitelik değerleri hakkında herhangi bir dağılım varsayımı yapmaz ve küçük haritalarda bile (30-100 birim) güvenilirdir. Normal yaklaşım, büyük haritalar (yüzlerce veya daha fazla birim) ve yaklaşık olarak simetrik öznitelik dağılımları için kabul edilebilirdir, ancak okuyucuların değerlendirebilmesi için seçilen çıkarım yöntemini her zaman bildirin.
Kaynaklar
- Geary, R. C. (1954). The Contiguity Ratio and Statistical Mapping. The Incorporated Statistician, 5(3), 115–145. link ↗
- Cliff, A. D., & Ord, J. K. (1981). Spatial Processes: Models and Applications. Pion Limited. ISBN: 0850860814
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Geary's Contiguity Ratio. ScholarGate. https://scholargate.app/tr/spatial-analysis/gearys-c
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yerel Geary'nin C'siMekânsal analiz↔ karşılaştır
- Mekansal İlişkinin Yerel Göstergeleri (LISA)Mekânsal analiz↔ karşılaştır
- Moran's IMekânsal analiz↔ karşılaştır
- Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır