最新版GeoDa軟件是一款空間回歸分析工具，該系統(tǒng)支持多種空間數(shù)據(jù)格式，讓原始數(shù)據(jù)轉(zhuǎn)換為地圖，跨時(shí)間跨空間地進(jìn)行數(shù)據(jù)分析，大大提升實(shí)驗(yàn)效率。

軟件介紹

GeoDa是一個(gè)免費(fèi)、開源的空間數(shù)據(jù)分析軟件。 通過探索和建?？臻g模式，GeoDa向用戶提供了全新的空間數(shù)據(jù)分析視角。

GeoDa是由 Luc Anselin 博士和其團(tuán)隊(duì)開發(fā)的. 該程序提供了友好的用戶界面以及豐富的用于探索性空間數(shù)據(jù)分析(ESDA)的方法，比如空間自相關(guān)統(tǒng)計(jì)(spatial autocorrelation statistics)和基本的空間回歸分析(spatial regression analysis)。

從2003年2月GeoDa發(fā)布第一個(gè)版本以來， GeoDa的用戶數(shù)量成倍的增長(zhǎng)。截止2017年6月，GeoDa的用戶數(shù)量已經(jīng)超過了20萬。 包括哈佛，麻省理工、康奈爾等著名大學(xué)都在實(shí)驗(yàn)室中安裝并使用GeoDa軟件。GeoDa軟件得到了用戶和媒體廣泛的好評(píng)，被稱之為“一個(gè)非常重要的分析工具”，“一款制作精良的軟件”，有著“激動(dòng)人心的進(jìn)展”。

軟件功能

該程序提供了豐富的用于探索性空間數(shù)據(jù)分析(ESDA)的方法，比如：

空間自相關(guān)統(tǒng)計(jì)(spatial autocorrelation statistics)

空間回歸分析(spatial regression analysis)

單變量和多變量的局部Geary聚類分析

（非空間）聚類分析方法（PCA）等

同時(shí)GeoDa也支持更多的空間數(shù)據(jù)格式，支持時(shí)空（space-time)數(shù)據(jù)，支持包括Nokia和Carto提供的底圖(Basemap)顯示，均值比較圖表(averages charts)，散點(diǎn)圖矩陣(scatter plot matrices)，非參數(shù)的空間自相關(guān)圖(nonparametric spatial autocorrelation--correlogram)，以及靈活的數(shù)據(jù)分類方法(flexible data categorization)。

軟件特色

GeoDa支持更多的空間數(shù)據(jù)格式

引入GDAL軟件庫后，GeoDa目前可以支持多種矢量數(shù)據(jù)格式，包括：ESRI Shapefile、ESRI geodatabase、GeoJson、MapInfo、GML、KML等。同時(shí)GeoDa也能從表格數(shù)據(jù)(如：.csv、.dbf、.xls、.ds)中通過制定坐標(biāo)數(shù)據(jù)（X，Y或者經(jīng)緯度）來創(chuàng)建點(diǎn)空間數(shù)據(jù)。

通過相互關(guān)聯(lián)的地圖和圖表探索統(tǒng)計(jì)結(jié)果

與將原始數(shù)據(jù)可視化為地圖的程序不同，GeoDa專注于通過鏈接的地圖和圖表探索統(tǒng)計(jì)測(cè)試和模型的結(jié)果。

時(shí)空模式分析

現(xiàn)在您可以在新的時(shí)間編輯器中對(duì)同一變量進(jìn)行跨時(shí)間段的分組，以探索跨時(shí)空的統(tǒng)計(jì)模式。然后用時(shí)間播放器探索隨著時(shí)間變化而變化的視圖的結(jié)果。

添加包括Nokia和CartoDB提供的底圖(Basemap)

如果你的空間數(shù)據(jù)是投影(.prj文件)，你現(xiàn)在可以在任何地圖視圖中添加一個(gè)基圖，包括聚類圖，以獲得更好的定位和地面實(shí)測(cè)結(jié)果。

時(shí)空數(shù)據(jù)的均值比較

一個(gè)新的平均數(shù)圖表比較在時(shí)間和/或空間上的平均數(shù)，并測(cè)試這些平均數(shù)的差異是否顯著。例如，首先選擇是否要比較同一時(shí)間段內(nèi)選定的觀測(cè)值與未選定的觀測(cè)值的平均值，或者比較不同時(shí)間段的所有觀測(cè)值。然后，一個(gè)基本的前-后/影響-控制檢驗(yàn)表明你的結(jié)果是否在時(shí)間和空間上發(fā)生了變化（使用F檢驗(yàn)和差異檢驗(yàn)）。

檢測(cè)多元空間關(guān)系

通過散點(diǎn)圖矩陣，可以同時(shí)探索多個(gè)二變量的相關(guān)關(guān)系。在這個(gè)例子中，我們展示了舊金山市選定的、未選定的和所有警察分局的回歸斜率，以探索四種犯罪類型之間的關(guān)系。

檢測(cè)隨時(shí)間的變化在空間上聚集

使用全局或局部差分Moran's I檢驗(yàn)來找出一個(gè)變量在特定地點(diǎn)的變化是否與鄰近地區(qū)的變化有統(tǒng)計(jì)學(xué)上的關(guān)系。例如，這個(gè)局部（LISA）聚類圖顯示了2002年至2008年期間紐約的熱點(diǎn)地區(qū)的孩子比例變化較大（而冷點(diǎn)的變化較小）。

單/多變量的空間聚類分析

Luc Anselin（2017）最近用一個(gè)新的空間關(guān)聯(lián)的局部指標(biāo)對(duì)Geary的c進(jìn)行了擴(kuò)展。這被應(yīng)用到法國 "道德統(tǒng)計(jì) "的經(jīng)典數(shù)據(jù)集（Guerry，1833）中，顯示出識(shí)字率的顯著高低空間集中度（左圖）和財(cái)產(chǎn)犯罪與識(shí)字率的顯著關(guān)聯(lián)（右圖）。

集成經(jīng)典的數(shù)據(jù)聚類方法分析空間數(shù)據(jù)

現(xiàn)在，你可以用幾種經(jīng)典的非空間聚類技術(shù)繪制模式，包括主成分分析（左圖）、k-means（右上圖）和層次聚類（右下圖）。使用與上例中相同的數(shù)據(jù)，下面的地圖顯示了財(cái)產(chǎn)犯罪、識(shí)字率和自殺的局部聚類。

檢測(cè)空間相關(guān)性邊界閾值

非參數(shù)空間自相關(guān)測(cè)試（corlogram）現(xiàn)在可以用來確定相鄰對(duì)的值不再相關(guān)時(shí)的距離閾值。

探索多種空間數(shù)據(jù)分類

通過新的類別編輯器，您可以探索您的結(jié)果對(duì)分類數(shù)據(jù)的閾值變化的敏感度。在這個(gè)例子中，條件圖（右）中的閾值是基于可以在類別編輯器（左）中調(diào)整的類別。

使用GeoDa連接Carto云端空間數(shù)據(jù)庫

現(xiàn)在你可以將CartoDB的數(shù)據(jù)加載到GeoDa中，并將結(jié)果保存回CartoDB表。請(qǐng)看這是如何工作的。

空間自相關(guān)分析步驟

geoda能進(jìn)行空間自相關(guān)分析，這一功能是空間分析中的重要功能，不過不少用戶初次使用不知道怎么操作，這里小編就帶來步驟方法，讓你快速入門這一功能的使用：

1.將數(shù)據(jù)輸入為txt文本。

如上，第一行的意義是總共有21個(gè)觀測(cè)點(diǎn)，共5列；第二行是標(biāo)題行，意義分別是城市、唯一的ID號(hào)、維度、經(jīng)度、人均gdp；剩下的21行為觀測(cè)值的數(shù)據(jù)。

2.打開geoda095i軟件（新版的不行哦），選擇tools>shape>points from ASCII；

3.點(diǎn)擊Inputfile行后的文件夾,在彈出窗口中通過路徑選擇gdp.txt文件。點(diǎn)擊Outputfile行后的圖標(biāo)輸入文件名:gdp。在X一coords欄中選擇LON,在y-coords欄中選擇LAT,點(diǎn)擊Create完成。

這樣就創(chuàng)建好一個(gè)shp格式的文件。

4.構(gòu)建空間權(quán)重文件

我比較笨，所以這塊兒構(gòu)建空間權(quán)重矩陣用最新版的geoda了。

打開新版geoda，首先用file<-new project from<esri shp 導(dǎo)入剛才創(chuàng)建的shp格式文件；

然后，tools<-weights<-create

打開weights file creation框，點(diǎn)擊add id variable...在existing

variables中選擇ID項(xiàng)（也可以選其他的，但是其中包含的數(shù)值要唯一），如下圖，

然后，點(diǎn)擊add variable;點(diǎn)擊 threshold distance，將distance metric中選擇arc distance(km),其他為默認(rèn)，從而創(chuàng)建出空間權(quán)重矩陣。如下圖，

4.全局空間自相關(guān)分析和局部空間自相關(guān)分析全局，在新版geoda軟件space<-univariate moran's I，在彈出的variable settings中選擇first

variable（x）為GDP,點(diǎn)擊ok.在彈出的select weight中的select from file選擇剛才創(chuàng)建的空間權(quán)重矩陣gdp.gwt,點(diǎn)擊ok.結(jié)果如下，

局部，在新版geoda軟件 space<-univariate local moran’s I,在彈出的variable settings中選擇GDP,點(diǎn)擊ok.接下來，添加空間權(quán)重矩陣，在彈出來的what windows to open ?全選那幾個(gè)框，點(diǎn)擊OK.

結(jié)果如下，

怎么生成空間權(quán)重矩陣

Geoda的空間權(quán)重矩陣生成功能對(duì)于距離數(shù)據(jù)的分析非常重要，可以大大降低用戶的數(shù)據(jù)效率，提升實(shí)驗(yàn)速度，那么應(yīng)該如何生成呢？下面小編就帶來教程，一起來了解下吧：

1、打開Geoda軟件，導(dǎo)入包含經(jīng)緯度的地圖文件，文件格式為.shp；

2、打開tools—Weights Manager，點(diǎn)擊Create,出現(xiàn)Weights File Creation窗口；

3、點(diǎn)擊Add ID Variable，在Enter new ID variable name:中輸入新建變量名POLY_ID（即關(guān)鍵字POLY_ID）,點(diǎn)擊Add Variable;

4、在Weights File ID Variable 中選擇POLY_ID，選中Threshold distance，X_coordinate variable選擇經(jīng)度，Y_coordinate variable選擇緯度，點(diǎn)擊Create，生成距離權(quán)重矩陣；

5、打開stata，輸入以下命令打開剛剛生成的距離權(quán)重矩陣，本文命名為空間距離權(quán)重矩陣.gwt；

// M為新名稱 spmat import M using 空間距離權(quán)重矩陣.gwt, geoda

6、距離權(quán)重矩陣轉(zhuǎn)換為stata格式，并保存；

spmat getmatrix M W

//將變量命名為x1,x2...

getmata (x*)=W

7、打開保存為stata格式的距離權(quán)重矩陣。

spatwmat using 空間距離權(quán)重矩陣.dta,n(W1)

回歸分析怎么看p值

顯著性水平可以由標(biāo)準(zhǔn)化Z值的P-值檢驗(yàn)來確定:通過計(jì)算Z值的P-值，再將它與顯著性水平a(一般取0. 05 )作比較，決定拒絕還是接收零假設(shè)。如果P一值小于給定的顯著性水平，則拒絕零假設(shè);否則接收零假設(shè)。

對(duì)Moran' s I值進(jìn)行假設(shè)檢驗(yàn)，Z≥1.96或≤-1.96則認(rèn)為空間具有空間自相關(guān)性(Moran' s I >0表示空間正相關(guān)性，其值越大，空間相關(guān)性越明顯，Moran's I < 0表示空間負(fù)相關(guān)性，其值越小，空間差異越大，否則，Moran's I = 0，空間呈隨機(jī)性)。

更新內(nèi)容

GeoDa最新發(fā)布的版本是1.14。新版本包含了很多新的功能，比如：?jiǎn)巫兞亢投嘧兞康木植縂eary聚類分析，集成了經(jīng)典的（非空間）聚類分析方法（PCA，K-Means,Hierarchical聚類--詳細(xì)請(qǐng)參考Hoon et al's 2013 "C Clustering Library"）。同時(shí)GeoDa也支持更多的空間數(shù)據(jù)格式，支持時(shí)空（space-time)數(shù)據(jù)，支持包括Nokia和Carto提供的底圖(Basemap)顯示，均值比較圖表(averages charts)，散點(diǎn)圖矩陣(scatter plot matrices)，非參數(shù)的空間自相關(guān)圖(nonparametric spatial autocorrelation--correlogram)，以及靈活的數(shù)據(jù)分類方法(flexible data categorization)。