分类数据的全局自相关统计量？

编程问答 2022-05-25

问题描述

抱歉问这个愚蠢的问题，我在空间自相关方面的经验非常有限。我有很多空间点，我测量了连续变量和分类变量。我需要计算两种变量的全局空间自相关度量。 我知道这个任务对于连续任务来说相对容易，这里是一个使用包 elsa 的例子：

rm(list = ls())
library(raster)
library(elsa)

dta <- data.frame(Lon = (runif(60)*100),Lat = (runif(60)*100),Cat = sample(LETTERS[1:5],60,replace = T),Cont = (runif(60)*100))
coordinates(dta) <- ~Lon + Lat

# Moran's I global index:
moran(dta[,2],d1=0,d2=2000)
[1] -0.01694915 # The value varies given that seed was not set

# Geary's c global index:
geary(dta[,d2=2000)
[1] 1

也就是说，我需要类似于前面示例中的 moran 或 geary 命令，但适用于分类协变量。我已经用谷歌搜索了一段时间，但我一直无法找到解决方案。我比其他人更“流利”地使用 R，但是 Python o，也许是 Julia，也可能有所帮助。有什么想法吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

autocorrelationcategorical-datapythonrrspatial