Moran's I — Küresel Mekansal Otokorelasyon İndeksi
Moran's Index of Spatial Autocorrelation · Ayrıca şöyle bilinir: Moran's I statistic, global Moran's I, spatial autocorrelation index, Moran index
Moran's I, mekansal otokorelasyonu tespit etmek için standart küresel istatistiktir: komşu konumların benzer değerleri paylaşma eğiliminde olup olmadığını gösterir. İndeks yaklaşık olarak −1 (mükemmel dağılım) ile 0 (mekansal rastgelelik) ve +1 (mükemmel kümelenme) arasında değişir, araştırmacıların coğrafi bir deseni tek, yorumlanabilir bir sayıyla tam mekansal rastgelelikten farklı olup olmadığını test etmelerine olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+15 tane daha
Ne zaman kullanılır
Mekansal regresyon veya enterpolasyona devam etmeden önce mekansal desenin rastgele olup olmadığını test etmek istediğinizde, coğrafi işaretli verileriniz olduğunda ilk tanısal adım olarak Moran's I'yi kullanın. Sürekli veya sayım sonuçları alan birimleri veya nokta konumlarına eşlenmiş durumlar için uygundur. Konumların coğrafi olarak anlamlı olmadığı, mekansal ağırlıklar matrisinin teorik olarak gerekçelendirilemediği veya kümelenmenin nerede meydana geldiğini değil, genel olarak var olup olmadığını belirlemeniz gerektiğinde kullanmayın — yerel tespit için Yerel Moran's I (LISA) kullanın.
Güçlü yönler & sınırlılıklar
- Kümelenme veya dağılım derecesinin tek, yorumlanabilir küresel bir özetini sağlar.
- Normallik ve rastgeleleştirme varsayımları altında bilinen analitik örneklem dağılımına sahip, iyi kurulmuş teorik çerçeve.
- Permütasyon tabanlı çıkarım, dağılımdan bağımsızdır ve normal olmayan verilere karşı dayanıklıdır.
- GeoDa, R (spdep), Python (PySAL) ve ArcGIS'de yaygın olarak uygulanmış olması, tekrarlanabilirliği kolaylaştırır.
- Mekansal otokorelasyonun mevcut olup olmadığını doğrudan gösterir, OLS ve mekansal regresyon modelleri arasında seçim yapmaya rehberlik eder.
- Tek bir küresel değer döndürür; mekansal olarak heterojen kümelenme (bazı alanlar kümelenir, diğerleri kümelenmez) maskelenir.
- Mekansal ağırlıklar matrisinin seçimine duyarlıdır — farklı komşuluk tanımları farklı sonuçlar verebilir.
- Her yerde aynı otokorelasyon sürecinin çalışma bölgesinde işlediğini varsayar: durağanlık varsayımı.
- Kenar etkileri, çalışma alanının sınırındaki gözlemler için sonuçları yanlı hale getirebilir.
SSS
Moran's I değeri 0 ne anlama gelir?
E[I] ≈ −1/(n−1)'e (büyük örneklemler için yaklaşık 0) eşit bir değer, gözlemlenen mekansal desenin tam mekansal rastgelelikle tutarlı olduğunu gösterir. Bu taban çizgisinin üzerindeki pozitif değerler kümelenmeyi; negatif değerler dağılımı gösterir.
Mekansal ağırlıklar matrisini nasıl seçerim?
Ağırlıklar matrisi, çalışmanızdaki mekansal etkileşim mekanizmasını yansıtmalıdır (örneğin, idari veriler için ortak sınırlar, difüzyon süreçleri için ters mesafe, nokta verileri için k-en yakın komşular). Seçim, Moran's I'yi maksimize etmek için değil, analizden önce gerekçelendirilmelidir.
Analitik mi yoksa permütasyon testi mi kullanmalıyım?
Permütasyon testi genellikle tercih edilir çünkü temel değişken hakkında herhangi bir dağılım varsayımı yapmaz. Özellikle veriler çarpıksa, sayım tabanlıysa veya küçük bir n'ye sahipse önemlidir. Analitik z-testi, yaklaşık olarak normal artık değerlere sahip büyük örneklemler için kabul edilebilirdir.
Moran's I anlamlıysa, mekansal regresyon kullanmalı mıyım?
Ham değişken üzerindeki anlamlı bir Moran's I, mutlaka mekansal regresyon gerektirmez — önemli olan OLS artık değerlerinin mekansal olarak otokoreleli olup olmadığıdır. Bir mekansal gecikme modeli, mekansal hata modeli veya OLS arasında karar vermek için OLS artık değerleri üzerinde Moran's I'yi çalıştırın (ve Lagrange Çarpanı testlerini inceleyin).
Moran's I ile Geary's C arasındaki fark nedir?
Her ikisi de küresel mekansal otokorelasyonu ölçer, ancak Moran's I, ortalamadan sapmaların çapraz çarpımlarına dayanır (küresel eğilimlere daha duyarlı hale getirir), Geary's C ise komşu çiftler arasındaki karesel farkları kullanır (yerel farklılıklara daha duyarlı hale getirir). Moran's I daha yaygın olarak kullanılır ve çalışmalar arasında daha doğrudan karşılaştırılabilir.
Kaynaklar
- Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17–23. DOI: 10.2307/2332142 ↗
- Cliff, A. D., & Ord, J. K. (1981). Spatial Processes: Models and Applications. Pion. ISBN: 9780850860818
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Moran's Index of Spatial Autocorrelation. ScholarGate. https://scholargate.app/tr/spatial-analysis/morans-i
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Geary'nin C'siMekânsal analiz↔ karşılaştır
- Coğrafi Ağırlıklı Regresyon (GWR)Mekânsal analiz↔ karşılaştır
- Yerel Getis-Ord Gi* (Sıcak Nokta Analizi)Mekânsal analiz↔ karşılaştır
- Mekansal İlişkinin Yerel Göstergeleri (LISA)Mekânsal analiz↔ karşılaştır
- Yerel Moran's I (LISA)Mekânsal analiz↔ karşılaştır
- Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır