Sağlam Getis-Ord Gi* İstatistiği
Robust Getis-Ord Gi* Statistic · Ayrıca şöyle bilinir: Robust Gi*, Robust local Gi star, outlier-resistant hot spot analysis, robust local spatial autocorrelation Gi*
Sağlam Getis-Ord Gi* istatistiği, uzamsal verilerdeki aykırı değerleri işlemek üzere klasik Gi* sıcak nokta ölçütünü genişletir. Ortalama ve varyansın sağlam tahmin edicileri kullanılarak — kırpılmış ortalamalar, medyanlar veya aşağı ağırlıklandırılmış etkili gözlemler gibi — öznitelik dağılımı standart Gi*'yi bozacak aşırı değerler içerse bile, yüksek veya düşük değerlerin istatistiksel olarak anlamlı uzamsal kümelerini tanımlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Birkaç aşırı öznitelik değerinin (örneğin, tek bir çok yüksek suç sayısı, anormal derecede büyük bir gelir rakamı) standart Gi*'den gelen sıcak nokta sonuçlarını bozduğundan şüpheleniyorsanız Sağlam Getis-Ord Gi*'yi kullanın. Keşifsel tanılamaların çarpık veya ağır kuyruklu dağılımlar gösterdiği durumlarda veya bir hassasiyet analizinin klasik Gi* sonuçlarının birkaç gözlemi çıkardıktan sonra önemli ölçüde kaydığını ortaya koyduğu durumlarda uygundur. Aşırı gözlemlerin yaygın olduğu suç haritalama, hastalık sürveyansı, ekolojik araştırmalar ve gayrimenkul analizi için doğru seçimdir. Verilerin iyi davrandığı durumlarda standart Gi*'nin genel bir yerine olarak kullanmayın; ek karmaşıklık gereksizdir. Veri kümesi çok küçükse (30'dan az konum), sağlam tahmin edicilerin kendileri kararsız hale geldiği için bundan kaçının.
Güçlü yönler & sınırlılıklar
- Standart Gi*'de kullanılan küresel ortalama ve varyansı şişiren veya azaltan aşırı öznitelik değerlerinin bozucu etkisine dayanıklıdır.
- Çarpık veya bulaşmış veri kümelerinde güvenilirliği artırırken, orijinal Getis-Ord Gi*'nin sezgisel sıcak nokta/soğuk nokta yorumunu korur.
- Normal varsayımından kaçınan ve hatta normal olmayan öznitelik dağılımları için bile geçerli p-değerleri üreten permütasyon tabanlı çıkarımla uyumludur.
- Hem nokta hem de alan verilerine uygulanabilir, uzamsal ağırlık belirlemesinde esneklik sunar (mesafe tabanlı, komşuluk tabanlı veya k-en yakın komşular).
- Standart Gi* ile tanısal karşılaştırma, hangi kümelerin gerçek uzamsal desenler olduğunu ve hangilerinin aykırı değerlerin yapaylıkları olduğunu ortaya koyar.
- Tek bir evrensel olarak kabul edilmiş sağlam varyant mevcut değildir; kırpma oranı veya M-tahmin edicisinin seçimi analist takdirini içerir ve sonuçları etkiler.
- Sağlam tahmin ediciler, kararlı tahminler elde etmek için standart Gi*'den daha büyük örneklere ihtiyaç duyar; 30'dan az uzamsal birimle sonuçlar güvenilmez olabilir.
- Standart Gi*'den daha hesaplama açısından yoğundur, özellikle büyük ızgaralarda iteratif M-tahmin ediciler veya permütasyon çıkarımı kullanıldığında.
- Tanıtılan sağlamlığın derecesini yorumlamak (ne kadar kırpma, hangi tahmin edici) tipik CBS iş akışlarının ötesinde sağlam istatistik bilgisi gerektirir.
- Yazılım uygulamaları farklılık gösterir; birçok CBS platformu yalnızca klasik Gi*'yi sunar, sağlam varyantlar için R veya Python'da özel betik yazmayı gerektirir.
SSS
Sağlam Gi* standart Getis-Ord Gi*'den nasıl farklıdır?
Standart Gi*, z-skoru paydasında tüm öznitelik değerlerinin küresel ortalamasını ve standart sapmasını kullanır. Birkaç aşırı değer bu istatistikleri şişirirse veya azaltırsa, her konumun z-skoru etkilenir. Sağlam varyant, hassas küresel ortalama ve varyansı dirençli alternatiflerle — kırpılmış ortalamalar, medyanlar veya M-tahmin ediciler — değiştirir, böylece aykırı değerlerin genel kümelenme değerlendirmesi üzerindeki etkisi azalır.
Hangi sağlam tahmin ediciyi seçmeliyim — kırpılmış ortalama, medyan mı yoksa M-tahmin edici mi?
Orta derecede çarpıklık için, küresel dağılımın %5-10'luk simetrik kırpılması pratik bir başlangıç noktasıdır. Medyan ve MAD en yüksek kırılma noktasına (%50) sahiptir ancak neredeyse normal veriler için verimlilikten ödün verir. M-tahmin ediciler (örneğin, Huber veya Tukey bisquare), aykırı değerleri adaptif olarak aşağı ağırlıklandırır ve iyi bir yanlılık-varyans ödünleşmesi sunar. En az iki seçeneği hassasiyetle test edin ve her ikisini de raporlayın; sonuçlar aynıysa, belirli seçimin pek önemi yoktur.
Standart CBS yazılımlarında (ArcGIS veya QGIS gibi) Sağlam Gi*'yi çalıştırabilir miyim?
ArcGIS'teki (Optimize Edilmiş Sıcak Nokta Analizi) ve QGIS'teki standart sıcak nokta araçları klasik Gi*'yi uygular ve yerleşik sağlam varyantlar sunmaz. Sağlam Gi*'yi R (spdep + robustbase) veya Python (PySAL / esda) içinde uygulayabilir, ardından elde edilen z-skorlarını ve p-değerlerini haritalama için CBS'ye aktarabilirsiniz.
Sağlam Gi* mi yoksa standart Gi* mi kullanmam gerektiğini nasıl anlarım?
Her ikisini de hesaplayın ve haritaları karşılaştırın. Ayrıca öznitelik dağılımını inceleyin: anlamlı sağ çarpıklık, 3'ün oldukça üzerinde bir basıklık veya etkili gözlem tanılamalarının az sayıda aşırı değeri işaretlemesi, hepsi sağlam varyant lehine argümanlardır. İki harita neredeyse aynıysa, daha basit standart Gi*'yi kullanın.
Permütasyon testi kullanmak sağlamlık ayarlamalarını gereksiz kılar mı?
Tam olarak değil. Permütasyon çıkarımı, ampirik bir sıfır dağılımı oluşturarak normal varsayımından kaçar, bu da çıkarım geçerliliği için yardımcı olur. Ancak, z-skorunun payını veya paydasını değiştirmez; aşırı değerler, test istatistiğinin kendisini hesaplamak için kullanılan küresel ortalamayı ve varyansı hala bozmaktadır. Sağlam tahmin ediciler istatistiğin yapısını ele alırken, permütasyon dağılımını ele alır — ideal olarak, ikisini birlikte kullanın.
Kaynaklar
- Getis, A., & Ord, J. K. (1992). The analysis of spatial association by use of distance statistics. Geographical Analysis, 24(3), 189–206. DOI: 10.1111/j.1538-4632.1992.tb00261.x ↗
- Anselin, L., & Liu, X. (2010). Spatial panel econometrics. In Handbook of Applied Economic Statistics. Robust spatial statistics variants are discussed in the context of outlier-resistant local indicators. See also: Anselin, L. (2018). A local indicator of multivariate spatial association. Geographical Analysis, 51(2), 133–150. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Getis-Ord Gi* Statistic. ScholarGate. https://scholargate.app/tr/spatial-analysis/robust-getis-ord-gi
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Sıcak Nokta Analizi (Getis-Ord Gi*)Mekânsal analiz↔ karşılaştır
- Yerel Getis-Ord Gi* (Sıcak Nokta Analizi)Mekânsal analiz↔ karşılaştır
- Yerel Moran's I (LISA)Mekânsal analiz↔ karşılaştır
- Sağlam Yerel Mekansal İlişki Göstergeleri (Robust LISA)Mekânsal analiz↔ karşılaştır
- Sağlam Uzamsal OtokorelasyonMekânsal analiz↔ karşılaştır