Mekansal İlişkilendirme İçin Uzay-Zaman Yerel Göstergeleri (ST-LISA)
Space-Time Local Indicators of Spatial Association · Ayrıca şöyle bilinir: ST-LISA, space-time LISA, spatiotemporal local indicators of spatial association, STLISA
Mekansal İlişkilendirme İçin Uzay-Zaman Yerel Göstergeleri (ST-LISA), Anselin (1995) tarafından geliştirilen klasik LISA çerçevesini zamansal boyuta taşıyarak, birden çok zaman diliminde tutarlı veya aralıklı olarak istatistiksel olarak anlamlı mekansal kümelenme veya mekansal aykırı değer davranışı sergileyen yerleri tanımlar. Küresel uzay-zaman otokorelasyonunu yerel katkılara ayırarak, mekansal kümelerin nerede ve ne zaman ortaya çıktığını, devam ettiğini veya çözüldüğünü ortaya koyar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+1 tane daha
Ne zaman kullanılır
Coğrafi olarak referanslandırılmış panel verileriniz (konum başına zaman içinde birden fazla gözlem) olduğunda ve zaman içinde değişen yerel kümeleri veya mekansal aykırı değerleri tespit etmek istediğinizde — örneğin, hastalık sıcak noktalarını yıllara göre izlemek, mevsimler boyunca mahallelerdeki suç yoğunluğunu izlemek veya ekonomik yakınsama kümelerinin nasıl geliştiğini incelemek — ST-LISA'yı kullanın. Tek zaman noktalı bir LISA'nın bir desenin altında yatan zamansal dinamikleri kaçırdığı durumlarda uygundur. Yalnızca tek bir zaman dilimini kapsayan verilerde (bunun yerine standart LISA kullanın), zamansal kapsama çok kısaysa (3-4'ten az dönem), konumların zaman içinde geometri değiştirdiği ve düzeltilmediği durumlarda veya panelin dönem başına çok sayıda eksik gözlemle dengesiz olduğu durumlarda kullanmayın.
Güçlü yönler & sınırlılıklar
- Mekansal kümelerin zaman içinde kararlı mı, gelişmekte mi yoksa çözülmekte mi olduğunu ortaya koyar — statik LISA'nın göremediği bilgiler.
- Küresel uzay-zaman otokorelasyonunu yorumlanabilir yerel katkılara ayırarak, genel deseni hangi birimlerin yönlendirdiğini hassas bir şekilde belirler.
- Yerel Moran'ın I'sı, yerel Geary'nin C'si veya Getis-Ord Gi*'ı temel yerel istatistik olarak kullanan uyumlu esnek çerçeve.
- Permütasyon tabanlı çıkarım, test istatistiği için parametrik bir dağılım varsaymaz.
- Karmaşık dinamikleri uzman olmayan kitlelere açıkça ileten sezgisel görsel çıktılar — bir dizi küme haritası veya uzay-zaman sınıflandırma haritası — üretir.
- Birçok konum ve birçok zaman dilimi boyunca yapılan çoklu testler, aile bazında hata oranını önemli ölçüde artırır; düzeltmeler gücü azaltır ve dikkatli seçilmelidir.
- Sonuçlar, mekansal ağırlık matrisinin seçimine duyarlıdır; farklı komşu tanımları farklı küme sınırları verebilir.
- Tam veya tama yakın panel verileri gerektirir; dönem başına eksik gözlemler hem hesaplamayı hem de yorumlamayı zorlaştırır.
- Hesaplama maliyeti, konum sayısının zaman dilimleri ile çarpılmasıyla ölçeklenir, bu da ince taneli coğrafi veriler için büyük olabilir.
- Zamansal toplama kararları (yıllık veya aylık anlık görüntüler), hangi dinamiklerin tespit edilebilir olduğunu etkiler.
SSS
ST-LISA ile standart LISA arasındaki fark nedir?
Standart LISA, mekansal verilerin tek bir kesitinde hesaplanır ve bir zaman noktasındaki kümeleri veya aykırı değerleri tanımlar. ST-LISA, aynı yerel istatistikleri birden çok zaman dilimi boyunca uygular ve ardından her konumu kümelenme zamansal deseniyle — kararlı, gelişen, solan veya rastgele — karakterize ederek tek bir anlık görüntünün yakalayamayacağı dinamikleri ortaya koyar.
ST-LISA ile çoklu test problemini nasıl ele alırım?
Her konum-zaman kombinasyonu için ayrı bir anlamlılık testi hesapladığınız için, yanlış pozitif olasılığı hızla birikir. Yaygın düzeltmeler arasında Bonferroni (muhafazakar), Benjamini-Hochberg yanlış keşif oranı (daha az muhafazakar) veya daha katı bir alfa (örneğin, 0.05 yerine 0.01) ayarlamak yer alır. Kullanılan düzeltme yöntemini bildirin ve sınırdaki sonuçları dikkatli bir şekilde yorumlayın.
ST-LISA bir kümenin zaman içinde yayıldığını tespit edebilir mi?
Evet, ardışık zaman dilimleri boyunca küme haritalarını karşılaştırarak, anlamsızdan yüksek-yükseğe (gelişen küme kenarı) veya yüksek-yüksekten anlamsıza (çekilen küme) geçiş yapan birimleri tanımlayabilirsiniz. Bazı uygulamalar, tüm gözlem penceresi boyunca geçiş desenine göre her bir birimi resmi olarak sınıflandırır.
Hangi mekansal ağırlık matrisini kullanmalıyım?
Kraliçe bitişikliği (ortak sınır veya köşe), idari bölgeler gibi alan verileri için standarttır. Nokta verileri için mesafe bandı veya k-en yakın komşu ağırlıkları yaygındır. Konum düzeyindeki istatistiklerin farklı komşu sayısına sahip birimler arasında karşılaştırılabilir olması için satır-standartlaştırılmış bir matris kullanın. İki veya üç farklı ağırlık tanımı altında sonuçlarınızı duyarlılık açısından kontrol edin.
ST-LISA'nın anlamlı olması için kaç zaman dilimine ihtiyacım var?
Kesin bir minimum yoktur, ancak genellikle 3-4'ten az zaman dilimi zamansal desenleri karakterize etmek için yeterli kanıt sağlamaz. Uygulamada, epidemiyoloji ve kriminolojideki çalışmalar, kararlı ve epizodik kümelenmeyi ayırt etmek için yaygın olarak 10-50 zaman dilimi (örneğin, yıllar veya aylar) kullanır.
Kaynaklar
- Anselin, L. (1995). Local indicators of spatial association — LISA. Geographical Analysis, 27(2), 93–115. DOI: 10.1111/j.1538-4632.1995.tb00338.x ↗
- Cheng, T., Haworth, J., & Wang, J. (2012). Spatio-temporal autocorrelation of road network data. Journal of Geographical Systems, 14(4), 389–413. DOI: 10.1007/s10109-011-0149-5 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Space-Time Local Indicators of Spatial Association. ScholarGate. https://scholargate.app/tr/spatial-analysis/space-time-local-indicators-of-spatial-association
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
- Mekansal İlişkinin Yerel Göstergeleri (LISA)Mekânsal analiz↔ karşılaştır
- Yerel Moran's I (LISA)Mekânsal analiz↔ karşılaştır
- Uzay-Zaman Moran'ın I'sıMekânsal analiz↔ karşılaştır
- Uzay-Zaman Mekansal OtokorelasyonuMekânsal analiz↔ karşılaştır