Uzay-Zaman Moran'ın I'sı
Space-Time Moran's I Statistic · Ayrıca şöyle bilinir: space-time autocorrelation index, ST Moran's I, spatiotemporal Moran's I, space-time I statistic
Uzay-Zaman Moran'ın I'sı, klasik Moran'ın I istatistiğini uzay-zaman alanına genişleterek, hem uzayda hem de zamanda yakın olan gözlemlerin, uzak olanlara göre daha benzer olma eğiliminde olup olmadığını ölçer. Tek bir uzay-zaman ağırlık matrisi üzerinden kümelenmeyi, dağılımı veya rastgeleliği tespit eder ve bu da onu epidemiyoloji, kriminoloji ve çevre izleme alanlarında temel bir araç haline getirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Coğrafi işaretli verileriniz birden çok zaman noktasında gözlemlendiğinde — örneğin bölgeye göre haftalık hastalık sayıları, ilçeye göre aylık suç oranları veya istasyona göre yıllık kirlilik okumaları — ve benzer değerlerin hem uzayda hem de zamanda kümelenme eğiliminde olduğundan şüpheleniyorsanız Uzay-Zaman Moran'ın I'sını kullanın. Uzaysal birimlerinizin periyotlar boyunca sabit kaldığı (dengeli bir panel) durumlarda uygundur. Zaman periyotlarının düzensiz veya çok az olduğu (üçten az), uzaysal ayak izinin zamanla değiştiği veya ilgilenilen olgunun zamansal bağımlılığı olmayan tamamen uzaysal olduğu durumlarda kullanmayın. Tamamen kesitsel veriler için standart Moran'ın I'sı yeterlidir.
Güçlü yönler & sınırlılıklar
- Tek bir özet istatistikte uzaysal ve zamansal otokorelasyonu eş zamanlı olarak yakalar.
- Tanıdık Moran'ın I çerçevesini doğrudan genişletir, sonuçları zaten uzaysal analiz kullanan araştırmacılar için yorumlanabilir hale getirir.
- Permütasyon tabanlı çıkarımla uyumludur, verilerin dağılımı hakkında normallik varsayımlarından kaçınır.
- Belirli kümeleri veya aykırı değerleri belirlemek için yerel uzay-zaman LISA göstergelerine ayrıştırılabilir.
- Epidemiyoloji, kriminoloji, ekoloji ve kentsel çalışmalar dahil olmak üzere geniş bir alan yelpazesine uygulanabilir.
- Uzaysal ve zamansal ağırlık matrislerinin seçimi istatistiği güçlü bir şekilde etkiler; sonuçlar farklı spesifikasyonlarla önemli ölçüde değişebilir.
- Sabit ve dengeli bir panel varsayar — uzaysal birimler gözlemlenen tüm zaman noktalarında tutarlı olmalıdır.
- Küresel bir istatistik: anlamlı bir sonuç genel kümelenmeyi gösterir ancak yerel ayrıştırma olmadan kümelerin nerede veya ne zaman meydana geldiğini belirtmez.
- Büyük paneller için hesaplama açısından yoğundur; binlerce yeniden örneklemeli permütasyon testleri yavaş olabilir.
- Yayılma mekanizmasını modellemez — bağımlılığı tespit eder ancak uzaysal bulaşmayı ortak faktörlere korele maruz kalmaktan ayıramaz.
SSS
Uzay-Zaman Moran'ın I'sı, her zaman noktasında ayrı ayrı Moran'ın I'sını çalıştırmaktan nasıl farklıdır?
Her periyotta Moran'ın I'sını çalıştırmak, uzaysal otokorelasyonun anlık görüntülerini verir ancak periyotlar arasındaki zamansal bağımlılığı göz ardı eder. Uzay-Zaman Moran'ın I'sı, her iki boyutta da komşuları eş zamanlı olarak dikkate alan birleşik bir ağırlık matrisi kullanır ve kesitsel istatistikler kümesinin yakalayamayacağı, kümelenmenin hem uzayda hem de zamanda meydana geldiği desenleri tespit eder.
Zamansal boyut için hangi ağırlık matrisini kullanmalıyım?
En yaygın seçim birinci dereceden zamansal komşuluk matrisidir, burada t ve t−1 (ve t+1) periyotları komşudur. Bazı uygulamalar bant genişliği tabanlı bir bozunma kullanır (örneğin, zamanda mesafeye göre üssel bozunma). Seçim, sürecin özsel zamansal ölçeğini yansıtmalıdır; en az iki spesifikasyon üzerinde duyarlılık analizi önerilir.
Çıkarım için permütasyon testi mi yoksa normal yaklaşım mı tercih edilir?
Permütasyon testi genellikle tercih edilir çünkü sıfır hipotezi altında I'nın dağılımı hakkında varsayımsızdır. Normal yaklaşım daha hızlıdır ancak küçük veya düzensiz paneller için geçerli olmayabilecek asimptotik argümanlara dayanır.
Düzensiz zaman aralıklarıyla Uzay-Zaman Moran'ın I'sını kullanabilir miyim?
Standart formülasyon düzenli aralıkları veya en azından zamanda anlamlı bir komşu tanımını varsayar. Düzensiz aralıklar için, zamansal ağırlık matrisi uyarlanmalıdır (örneğin, birinci dereceden komşuluk yerine ters zaman-mesafesi kullanarak) ve yorumlama ek dikkat gerektirir.
Anlamlı bir küresel istatistik bulduktan sonra belirli uzay-zaman kümelerini nasıl bulurum?
Küresel istatistiği birim düzeyindeki katkılara ayırmak için yerel uzay-zaman LISA'yı (Uzay-Zaman Alanına Genişletilmiş Yerel Uzaysal İlişki Göstergeleri) kullanın. Her uzay-zaman gözlemi, yüksek-yüksek, düşük-düşük ve uzaysal aykırı uzay-zaman birimlerini vurgulayan küme haritalarını etkinleştiren yerel bir I_{ST,i} puanı alır.
Kaynaklar
- Cliff, A. D., & Ord, J. K. (1981). Spatial Processes: Models and Applications. Pion. ISBN: 978-0850860818
- Kulldorff, M., & Nagarwalla, N. (1997). Spatial disease clusters: detection and inference. Statistics in Medicine, 14(8), 799–810. DOI: 10.1002/sim.4780140809 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Space-Time Moran's I Statistic. ScholarGate. https://scholargate.app/tr/spatial-analysis/space-time-morans-i
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Mekansal İlişkinin Yerel Göstergeleri (LISA)Mekânsal analiz↔ karşılaştır
- Yerel Moran's I (LISA)Mekânsal analiz↔ karşılaştır
- Moran's IMekânsal analiz↔ karşılaştır
- Space-Time Getis-Ord Gi* Sıcak Nokta İstatistiğiMekânsal analiz↔ karşılaştır
- Uzay-Zaman Mekansal OtokorelasyonuMekânsal analiz↔ karşılaştır