L'ensemble de données que j'utilise contient des données sur le revenu par zone. Les valeurs ne sont pas normalement distribuées comme indiqué dans le diagramme suivant. Global I de Moran indique des modèles spatiaux significatifs et Local Moran I trouve des points chauds et froids significatifs (selon la valeur de p). Quand je vérifie le z-score, il s'avère que les points froids n'atteignent pas des niveaux significatifs. Cela pourrait-il être dû à la distribution des valeurs de revenu? Y a-t-il quelque chose que je devrais faire différemment? Peut-être utiliser le revenu du journal?
Ou puis-je simplement ignorer le score z tant que les valeurs p sont bonnes (= significatives, <0,05)?
(Utilisation de PySAL pour calculer le I. global et local de Moran.)
Voici l'histogramme des revenus logarithmiques:
Mise à jour:
J'ai récemment acquis un autre ensemble de données sur le revenu d'un autre pays dans lequel les valeurs de revenu sont normalement distribuées. Les calculs locaux de Moran I pour cet ensemble de données entraînent des points chauds et froids significatifs selon la valeur p et le score z:
Réponses:
Si je comprends bien .. et je serais heureux d'être corrigé .. le Morans local I recherche une autocorrélation spatiale dans les valeurs locales (c'est-à-dire par rapport aux zones adjacentes), un peu comme une version GeoWeighted de Global Morans I. Gettis Ord qui identifie des grappes spatiales de valeurs globalement extrêmes.
Si c'est le cas, le résultat semble correspondre à votre carte, un Z significatif pour la petite région à très hauts revenus, tandis que la zone bleue n'est qu'un large bassin au sein d'une surface locale plus progressive.
L'importance de la valeur Z dépend donc si vous recherchez uniquement des grappes de revenus élevés et faibles, ou si vous recherchez des grappes aux frontières abruptes, par exemple si vous comparez l'inégalité de revenu réelle ou perçue?
la source