Mekansal Otokorelasyon
Spatial Autocorrelation Analysis · Ayrıca şöyle bilinir: spatial dependence, geographic autocorrelation, spatial clustering measure, SA
Mekansal otokorelasyon, bir değişkenin yakındaki konumlardaki değerlerinin tesadüfen beklenenden daha fazla (pozitif otokorelasyon) veya daha az (negatif otokorelasyon) birbirine benzeme derecesini nicelendirir. Moran I gibi küresel endeksler, tüm çalışma alanındaki örüntüyü özetlerken, yerel varyantlar bireysel gözlemler düzeyinde kümeleri ve aykırı değerleri ortaya çıkarır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+33 tane daha
Ne zaman kullanılır
Verileriniz coğrafi bir bileşene sahip olduğunda ve yakındaki konumlardaki değerlerin bağımsız olmayabileceğinden şüphelendiğinizde mekansal otokorelasyonu ilk adım olarak kullanın. Mekansal verilere herhangi bir regresyon modeli uygulamadan önce özellikle önemlidir: OLS artıklarına uygulanan Moran I, mekansal bağımlılık için standart bir tanı aracıdır ve anlamlıysa, mekansal ekonometrik bir model gerektirir. Örüntü çalışma alanı boyunca değişebileceğinde yalnızca küresel I'ya güvenmeyin — bu durumda yerel LISA istatistikleri daha bilgilendiricidir. İyi gerekçelendirilmiş bir ağırlık matrisi olmadan sonuçları yorumlamaktan kaçının; farklı komşu tanımları sonuçları önemli ölçüde değiştirebilir.
Güçlü yönler & sınırlılıklar
- Mekansal kümelenme derecesi için tek bir yorumlanabilir indeks sağlar (Moran I yaklaşık olarak -1 ile +1 arasında değişir).
- Analitik olarak çözülebilir: boş hipotez altında beklenen değer ve varyans bilinir, simülasyon olmadan hızlı çıkarım sağlar.
- Yerel LISA uzantısı, belirli kümeleri ve aykırı değerleri belirleyerek bulguları mekansal olarak açık hale getirir.
- Mekansal regresyonda artık otokorelasyon için önemli bir tanı aracı olarak hizmet eder, yanlış belirtilmiş modelleri önler.
- Ücretsiz araçlarda (GeoDa, R spdep, PySAL) ve standart CBS yazılımlarında yaygın olarak uygulanmıştır.
- Uygun ağırlık spesifikasyonu ile hem çokgen (alansal) hem de nokta verilerine uygulanabilir.
- Sonuçlar mekansal ağırlık matrisi seçimine duyarlıdır; evrensel olarak doğru tek bir spesifikasyon mevcut değildir.
- Küresel Moran I, bir arada var olan kümeler ve aykırı değerler de dahil olmak üzere mekansal olarak değişen örüntüleri maskeleyebilen tek bir sayıdır.
- Standart analitik çıkarım normallik veya rastgeleleştirme varsayar; çarpık veya sayım verileri permütasyon tabanlı p-değerleri gerektirebilir.
- Mekansal otokorelasyon, bir örüntünün tanımlayıcı bir ölçüsüdür, nedensel bir mekanizma değildir; anlamlı bir I, kümelenmenin nedenini açıklamaz.
- Çalışma alanı sınırlarına yakın kenar etkileri, çevresel birimler için yerel istatistikleri yanlı hale getirebilir.
SSS
0.6'lık bir Moran I ne anlama gelir?
0.6 değeri, orta ila güçlü pozitif mekansal otokorelasyonu gösterir: yüksek değerlere sahip konumlar, kendileri de yüksek değerlere sahip komşularla çevrili olma eğilimindedir ve bunun tersi de geçerlidir. Bunun istatistiksel olarak anlamlı olup olmadığı örneklem büyüklüğüne ve kullanılan mekansal ağırlıklara bağlıdır; her zaman ilişkili z-skorunu ve p-değerini bildirin.
Mekansal ağırlık matrisini nasıl seçerim?
Çokgen verileri için kraliçe bitişikliği (ortak kenarlar veya köşeler) en yaygın varsayılandır; kale bitişikliği (yalnızca ortak kenarlar) düzenli ızgaralar için uygundur. Nokta verileri için, sabit mesafe bandı veya k-en yakın komşu ağırlıkları standarttır. Seçime karşı duyarlılığı her zaman test edin, çünkü farklı spesifikasyonlar Moran I değerini önemli ölçüde değiştirebilir.
Regresyon artıklarında mekansal otokorelasyon çalıştırabilir miyim?
Evet — bu, en önemli kullanımlarından biridir. OLS artıklarına Moran I uygulamak, bağımsızlık varsayımının ihlal edilip edilmediğini test eder. Anlamlı bir sonuç, modelin mekansal olarak yanlış belirtildiğini ve bunun yerine mekansal gecikmeli, mekansal hatalı veya başka bir mekansal modelin uygulanması gerektiğini gösterir.
Küresel ve yerel mekansal otokorelasyon arasındaki fark nedir?
Küresel Moran I, tüm çalışma alanı boyunca kümelenmeye yönelik genel eğilimi tek bir sayıyla özetler. Yerel Moran I (LISA), bunu konuma özgü skorlara ayırır ve küresel ölçütün ortalamasını aldığı bilgiyi, anlamlı kümelerin veya mekansal aykırı değerlerin nerede meydana geldiğini ortaya çıkarır.
Mekansal otokorelasyon bir sorun mu yoksa bir özellik mi?
Her ikisi de. Bir özellik olarak, haritalanmaya ve açıklanmaya değer gerçek coğrafi süreçleri ve yapıları ortaya çıkarır. Bir sorun olarak, bir regresyon modelindeki otokorelasyonlu artıklar, OLS standart hatalarını geçersiz kılar ve tahminlerin görünür kesinliğini şişirir; çare, mekansal ekonometrik bir model veya mekansal filtreleme kullanmaktır.
Kaynaklar
- Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17–23. DOI: 10.2307/2332142 ↗
- Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers. ISBN: 978-9024737322
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Spatial Autocorrelation Analysis. ScholarGate. https://scholargate.app/tr/spatial-analysis/spatial-autocorrelation
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
- Moran's IMekânsal analiz↔ karşılaştır