GeoDa空间数据分析：LISA聚集与离群值探索

"该资源是一份关于使用GeoDa进行空间数据探索的工作手册，由Luc Anselin编写，主要探讨空间聚集和空间离群值的概念，并提供了使用GeoDa软件的实践指导。手册包含了针对ICPSR暑期空间分析课程的实验数据和实例，适用于GeoDa 0.95i版本。" 在《空间聚集和空间离群值-单片机驱动dm9000网卡芯片（详细调试过程）》这个主题中，我们主要关注的是地理空间数据分析中的两个关键概念：空间聚集和空间离群值。空间聚集指的是在地理空间中，具有相似属性的地点（如高值或低值）倾向于相互靠近的现象，这通常通过Local Indicators of Spatial Association (LISA)进行分析。高-高和低-低的组合代表正的局部空间自相关，即正向的空间聚集；而高-低和低-高则表示负的局部空间自相关，即空间离群。 LISA地图能够可视化这些聚集模式，例如在图19.14和19.15中，展示了不同的显著性水平如何影响聚集的识别。图19.15使用p<0.01的显著性水平，即使在这种严格的条件下，依然能够稳定地识别出显著的聚集区域。空间离群值则是个体地点的属性值与其邻近地点的平均值显著不同，它们不形成聚集群体。 GeoDa是一个用于空间数据分析的软件工具，它允许用户探索和测试这些空间模式。在图19.16中，聚集县（p=0.01）的邻居被用阴影交叉线标出，以强调空间聚集的程度。值得注意的是，聚集区的邻居可能也会是聚集的一部分，这使得聚集的范围比核心区域所示的更大。降低显著性阈值（如p=0.05）可能会影响聚集的定义，但基本的空间结构保持不变。 手册还提到了GeoDa的使用，它是一个由Luc Anselin开发并拥有的软件，提供了用户指南和版本更新信息。手册中的示例和数据集可以从SAL网站获取，旨在帮助用户理解和应用GeoDa进行空间数据分析和空间回归分析。 这份资源是学习和理解地理空间数据中空间聚集和离群值概念的重要参考资料，同时提供了一种实用的工具——GeoDa，来实际操作和分析这些现象。对于地理统计学、城市规划、社会科学以及相关领域的研究者和学生来说，这是一份极具价值的指南。