16种常用数据分析方法
?一、描述统计
描述性统计就是指运用制表与分类,图形以及计筠概括性数据来描述数据得集中趋势、离散趋势、偏度、峰度。
1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率\回归法、决策树法。?
2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法:非参数检验得K-量检验、P—P图、Q-Ｑ图、W检验、动差法。
二、假设检验
1、参数检验
参数检验就是在已知总体分布得条件下（一股要求总体服从正态分布)对一些主要得参数(如均值、百分数、方差、相关系数等）进行得检验.?１）U 验使用条件：当样本含量n较大时,样本值符合正态分布?2)T检验使用条件:当样本含量n较小时，样本值符合正态分布?A 单样本ｔ检验:推断该样本来自得总体均数μ与已知得某一总体均数μ０（常为理论值或标准值)有无差别;?B 配对样本t检验：当总体均数未知时,且两个样本可以配对,同对中得两者在可能会影响处理效果得各种条件方面扱为相似;?C 两独立样本ｔ检验：无法找到在各方面极为相似得两样本作配对比较时使用。
2、非参数检验
非参数检验则不考虑总体分布就是否已知,常常也不就是针对总体参数,而就是针对总体得某些一股性假设(如总体分布得位罝就是否相同,总体分布就是否正态）进行检验。
适用情况:顺序类型得数据资料,这类数据得分布形态一般就是未知得.?A 虽然就是连续数据，但总体分布形态未知或者非正态;?Ｂ体分布虽然正态,数据也就是连续类型,但样本容量极小,如10以下;
主要方法包括:卡方检验、秩与检验、二项检验、游程检验、K—量检验等．??三、信度分析?检査测量得可信度,例如调查问卷得真实性。
分类：
１、外在信度:不同时间测量时量表得一致性程度,常用方法重测信度
2、内在信度;每个量表就是否测量到单一得概念,同时组成两表得内在体项一致性如何，常用方法分半信度.??四、列联表分析?用于分析离散变量或定型变量之间就是否存在相关.?对于二维表，可进行卡方检验,对于三维表，可作Ｍｅｎteｌ－Hanｓzeｌ分层分析。?列联表分析还包括配对计数资料得卡方检验、行列均为顺序变量得相关检验.??五、相关分析?研究现象之间就是否存在某种依存关系，对具体有依存关系得现象探讨相关方向及相关程度。?1、单相关：两个因素之间得相关关系叫单相关，即研究时只涉及一个自变量与一个因变量;?2、复相关：三个或三个以上因素得相关关系叫复相关,即研究时涉及两个或两个以上得自变量与因变量相关；
３、偏相关：在某一现象与多种现象相关得场合,当假定其她变量不变时,其中两个变量之间得相关关系称为偏相关。
?六、方差分析
使用条件:各样本须就是相互独立得随机样本;各样本来自正态分布总体;各总体方差相等.
分类
1、单因素方差分析：一项试验只有一个影响因素,或者存在多个影响因素时，只分析一个因素与响应变量得关系?
2、多因素有交互方差分析:一顼实验有多个影响因素,分析多个影响因素与响应变量得关系,同时考虑多个影响因素之间得关系
3、多因素无交互方差分析:分析多个影响因素与响应变量得关系,但就是影响因素之间没有影响关系或忽略影响关系
4、协方差分祈：传统得方差分析存在明显得弊端,无法控制分析中存在得某些随机因素,使之影响了分祈结果得准确度.协方差分析主要就是在排除了协变量得影响后再对修正后得主效应进行方差分析,就是将线性回归与方差分析结合起来得一种分析方法.??七、回归分析
分类:?1、一元线性回归分析:只有一个自变量X与因变量Ｙ有关,Ｘ与Y都必须就是连续型变量，因变量y或其残差必须服从正态分布。?２、多元线性回归分析
使用条件:分析多个自变量与因变量Y得关系,Ｘ与Y都必须就是连续型变量，因变量y或其残差必须服从正态分布。
1)变呈筛选方式:选择最优回归方程得变里筛选法包括全横型法(CP法)、逐步回归法,向前引入法与向后剔除法
２）横型诊断方法:
A 残差检验: 观测值与估计值得差值要艰从正态分布?
B 强影响点判断:寻找方式一般分为标准误差法、Ｍahalanｏbｉs距离法?
C 共线性诊断:
?诊断方式:容忍度、方差扩大因子法(又称膨胀系数VＩF）、特征根判定法、条件指针ＣI、方差比例
?处理方法：增加样本容量或选取另外得回归如主成分回归、岭回归等
3、Ｌｏgistic回归分析?线性回归模型要求因变量就是连续得正态分布变里,且自变量与因变量呈线性关系,而Logｉstiｃ回归模型对因变量得分布没有要求，一般用于因变量就是离散时得情况?分类:?Lｏｇｉstic回归模型有条件与非条件之分,条件Logｉstic回归模型与非条件Logistic回归模型得区别在于参数得估计就是否用到了条件概率。?４、其她回归方法非线性回归、有序回归、Probit回归、加权回归等.
八、聚类分析
样本个体或指标变量按其具有得特性进行分类,寻找合理得度量事物相似性得统计量。
１、性质分类:?Ｑ型聚类分析:对样本进行分类处理,又称样本聚类分祈使用距离系数作为统计量衡量相似度，如欧式距离、极端距离、距离等?R型聚类分析：对指标进行分类处理,又称指标聚类分析使用相似系数作为统计量衡量相似度，相关系数、列联系数等
２、方法分类:
1）系统聚类法：适用于小样本得样本聚类或指标聚类，一般用系统聚类法来聚类指标，又称分层聚类
2)逐步聚类法 :适用于大样本得样本聚类?3)其她聚类法：两步聚类、K均值聚类等?
九、判别分析?1、判别分析：根据已掌握得一批分类明确得样品建立判别函数，
使产生错判得事例最少，进而对给定得一个新样品，判断它来自哪个总体?2、与聚类分析区别?１)聚类分析可以对样本逬行分类,也可以对指标进行分类；而判别分析只能对样本
2)聚类分析事先不知道事物得类别,也不知道分几类;而判别分析必须事先知道事物得类别,也知道分几类
3）聚类分析不需要分类得历史资料,而直接对样本进行分类;而判别分析需要分类历史资料去建立判别函数,然后才能对样本进行分类?３、进行分类：?1）Fisher判别分析法：
以距离为判别准则来分类,即样本与哪个类得距离最短就分到哪一类，适用于两类判别;以概率为判别准则来分类,即样本属于哪一类得概率较大就分到哪一类,适用于适用于多类判别。?2)BAYＥS判别分析法:?ＢAYES判别分析法比ＦISHER判别分析法更加完善与先进,它不仅能解决多类判别分析,而且分析时考虑了数据得分布状态,所以一般较多使用;?
十、主成分分析
将彼此梠关得一组指标变适转化为彼此独立得一组新得指标变量,并用其中较少得几个新指标变量就能综合反应原多个指标变量中所包含得主要信息。?
十一、因子分析?一种旨在寻找隐藏在多变量数据中、无法直接观察到却影响或支配可测变量得潜在因子、并估计潜在因子对可测变量得影响程度以及潜在因子之间得相关性得一种多元统计分析方法?与主成分分析比较:
相同：都能够起到済理多个原始变量内在结构关系得作用
不同:主成分分析重在综合原始变适得信息、而因子分析重在解释原始变量间得关系,就是比主成分分析更深入得一种多元统计方法?用途:
1)减少分析变量个数?2)通过对变量间相关关系探测，将原始变量进行分类??十
二、时间序列分析?动态数据处理得统计方法,研究随机数据序列所遵从得统计规律，以用于解决实际问题;时间序列通常由4种要素组成:趋势、季节变动、循环波动与不规则波动。
主要方法:移动平均滤波与指数平滑法、AＲIMＡ横型、量ＡＲIMA横型、ARＩＭAX模型、向呈自回归横型、ARCH族模型
?十三、生存分析
用来研究生存时间得分布规律以及生存时间与相关因索之间关系得一种统计分析方法?1、包含内容:?1)描述生存过程,即研究生存时间得分布规律?2)比较生存过程,即研究两组或多组生存时间得分布规律，并进行比较
3）分析危险因素,即研究危险因素对生存过程得影响?4）建立数学模型,即将生存时间与相关危险因素得依存关系用一个数学式子表示出来。?2、方法:?1)统计描述：包括求生存时间得分位数、中数生存期、平均数、生存函数得估计、判断生存时间得图示法，不对所分析得数据作出任何统计推断结论?2)非参数检验：检验分组变量各水平所对应得生存曲线就是否一致,对生存时间得分布没有要求,并且检验危险因素对生存时间得影响。?Ａ乘积极限法(ＰＬ法）
B 寿命表法（LＴ法)?3)半参数横型回归分析：在特定得假设之下,建立生存时间随多个危险因素变化得回归方程，这种方法得代表就是Cox比例风险回归分析法
4）参数模型回归分析：已知生存时间服从特定得参数横型时，拟合相应得参数模型，更准确地分析确定变量之间得变化规律
?十四、典型相关分析
相关分析一般分析两个变里之间得关系，而典型相关分析就是分析两组变里（如3个学术能力指标与5个在校成绩表现指标）之间相关性得一种统计分析方法。
典型相关分析得基本思想与主成分分析得基本思想相似,它将一组变量与另一组变量之间单变量得多重线性相关性研究转化为对少数几对综合变量之间得简单线性相关性得研究，并且这少数几对变量所包含得线性相关性得信息几乎覆盖了原变量组所包含得全部相应信息。
十五、Ｒ0C分析?R0C曲线就是根据一系列不同得二分类方式(分界值或决定阈)、以真阳性率(灵敏度）为纵坐标,假阳性率(1—特异度)为横坐标绘制得曲线?用途:?1、R０C曲线能很容易地査出任意界限值时得对疾病得识别能力?用途;
2、选择较佳得诊断界限值。R0Ｃ曲线越靠近左上角，试验得准确性就越高;
3、两种或两种以上不同诊断试验对疾病识别能力得比较，一股用R0C曲线下面积反映诊断系统得准确性。
?十六、其她分析方法?多重响应分析、距离分祈、项目分祈、对应分祈、决策树分析、神经网络、系统方程、蒙特卡洛模拟等。
数据收集与整理
.数据收集与整理 教材分析 （一）本节知识在教材中的地位 统计概率所提供的“运用数据进行推断”的思维方法已成为现代社会一种普遍并且强有力的思维方式。“统计与概率”领域主要学习怎样收集、整理、描述、分析数据及处理数据的基本方法和概率的初步知识。本章内容是第三学段统计部分的第一章，主要内容是收集数据和整理数据的常用方法，是今后学习统计的基础。 （二）重点难点分析 1．重点 收集数据的方法和数据整理的方法。 2．难点 抽样调查收集数据时的方案设计、数据分析以及根据数据的分析结果作出合理的判断。 （三）总体目标 1．知识目标
能从事收集、整理、描述、分析数据，作出判断并进行交流活动，感受抽样的必要性，体会用样本估计总体的思想，掌握抽样调查收集数据的方法，会用表格、析线图反映数据信息。 2．能力目标 会设计简单的调查问卷，在收集、整理、描述和分析数据的统计活动中，能合理地处理数学信息，逐步学会用数据事实说话，并作出合理的推断或大胆的猜测。体会在解决问题的过程中与他人合作的重要性。 3．情感目标 通过对中小学生视力情况的抽样调查过程，培养学生乐于接触社会环境中的数学信息，激发学生在活动中发挥积极作用，敢于面对活动中的困难，并有独立克服困难和运用知识去解决问题的勇气和信心。养成用数据、用事实说话的习惯和事实求是的科学态度。 二、教法与学法 （一）教法 1．充分以学生为主体进行教学，采用调查分析法。 2．采用“调查──收集──整理──分析”的过程教学，养成用数据说话的习惯和实事求是的科学态度。 3. 探讨法，分小组活动，讨论交流多渠道信息反馈。
（二）学法 1．指导学生学会对数据的收集、整理、描述和分析的基本方法，利用样本估计总体是统计的基本思想。 2．引导学生掌握思考问题的方法及解决问题的途径。 3．指导学生利用所学知识，解决实际问题。 三、活动目标 体验统计调查的全过程，确定统计调查方案，确定样本，收集数据，整理、描述、分析数据，得出结论。 四、教学活动设计 （一）创设情境确定方案 1．提出问题（多媒体课件展示问题情境） 随着人们生活水平的提高，电视、电脑的普及，中小学生的视力普遍下降，专家呼吁要保护学生的视力。我校中小学生的视力状况怎样？我们又如何获取这一状况的数据进行分析？ （学生开展讨论交流，组织学生自学第156页第一、二和三自然段）
浅析空间自相关的内容及意义.
浅析空间自相关的内容及意义摘要：本文主要介绍了空间自相关的含义、测度指标及研究空间自相关的意义。首先，明确空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标，揭示空间参考单元与其邻近的空间单元属性特征值之间的相似性或相关性。其次，介绍用来测度空间自相关性的指标，可以分为全局指标和局部指标，常用的指标有：Moran’s I、Geary’s C和Getis-Ord G。最后，进一步阐述了空间自相关的研究意义。关键字：空间自相关；全局指标；局部指标The content and research significance of spatial autocorrelation analysisAbstract: In this paper, the content, the index and the research significance of spatial autocorrelation were analyzed. Firstly, the content of spatial autocorrelation is discussed. Spatial autocorrelation is related to the correlation of the same variables, and also can be used to measure the degree of concentration of the attribute value, in order to reveal the correlation between the space reference unit and its near unit, including global spatial autocorrelation and local spatial autocorrelation. Secondly, it analyzes the index of spatial autocorrelation, the main index included Moran’s I, Geary’s C and Getis-Ord G. Thirdly, this paper discussed the research signification of spatial autocorrelation analysis. Key words: spatial autocorrelation; global index; local index 引言空间
16种常用数据分析方法
一、描述统计描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策 树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W 检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数（如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数卩与已知的某一总体均数卩0 （常为理论值或标准值）有无差别； B 配对样本t 检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t 检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10 以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析用于分析离散变量或定型变量之间是否存在相关。对于二维表，可进行卡 方检验，对于三维表，可作Mentel-Hanszel 分层分析列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以
《数据收集整理》教材分析与重难点突破(第1课时)
《数据收集整理》教材分析与重难点突破 重难点： 本节课教学的重点是用调查法收集整理数据，难点是用调查法收集整理数据的过程 突破建议： 1.挖掘情境内涵，理解“选择校服”的本质。 教学这部分内容时,教师首先要创设定校服的情境, 在叙述情境的过程中出示例1红、黄、蓝、白四种颜色，然后提问“选哪种颜色合适？”回答这个问题时，要让学生充分进入情境，真正参与进来。 首先让学生自己观察、思考、交流。在交流中可能大部分学生会选自己喜欢的颜色，因此五花八门。 然后教师要注意引导学生：刚才同学们是针对自己喜欢的颜色来确定校服的。谁来说一说什么是校服？从而引发学生思考、讨论。 最后使学生明确校服的颜色不是以个人的观点为主的，它需要统筹大家的意见。使学生明白，最合理的是选择大部分同学都喜欢的颜色。到底是什么颜色呢？这就需要确定4种颜色中哪种颜色是大多数学生最喜欢的，引出用统计解决问题的方法，即体现了统计的必要，也体现了统计的作用与价值，同时引发下个研讨内容。 2.抓住问题冲突，引出收集信息的方法。 本课解决问题的方法是抽样调查法，调查法是学生首次运用，学生没有这部分知识经验。因此在教学时先通过小组研讨制定解决问题的方案，然后通过全班交流，教师适时的引导从而制定好调查计划。
从研讨到制定计划这一环节中教师要注意倾听学生的发言，能够在顺应学生思维的前提下，顺思导学，引导学生总结解决问题的方法即调查法。 比如：当学生知道校服的颜色不是以个人的观点为主的，它需要统筹大家的意见后，引发学生思考：如何来听取大家的意见呢？ 学生的意见可能很多，预设到的答案可能是： （1）在学门口挨个询问？对此学生会反驳太麻烦了，全校人数太多，一天也问不完。 （2）打电话询问。 （3）听老师的。 当学生出现这样的问题时，教师不要立刻给出答案。而是把多种方法都呈现给孩子，让他们针对这些方法进行讨论，指出不足及修改的方案。在这样的前提下，教师抓住学生的一些有用信息进行引导，全校人数太多不好操作，我们可以划分成班级来统计，然后根据众多班级同学的想法来确定校服颜色。这样抽样调查的名词学生不会说出，但是他们会用自己的语言来描述即先调查人数少的同学的意见，在慢慢到人数多同学的意见，从而把这种方法具体的形象的让学生理解。 3.优化调查方式，便于统计。 在学生懂得调查本班同学的意见后，思考用什么方式来记录哪种颜色的人数呢？一般的方法举手、起立、投票等。让学生充分地想、说。可以引导学生多说几种方式，使其体会到调查方式的多样化。在
空间统计-空间自相关分析
空间自相关分析 1.1 自相关分析 空间自相关分析是指邻近空间区域单位上某变量的同一属性值之间的相关程度，主要用空间自相关系数进行度量并检验区域单位的这一属性值在空间区域上是否具有高高相邻、低低相邻或者高低间错分布，即有无聚集性。若相邻区域间同一属性值表现出相同或相似的相关程度，即属性值在空间区域上呈现高（低）的地方邻近区域也高（低），则称为空间正相关；若相邻区域间同一属性值表现出不同的相关程度，即属性值在空间区域上呈现高（低）的地方邻近区域低（高），则称为空间负相关；若相邻区域间同一属性值不表现任何依赖关系，即呈随机分布，则称为空间不相关。 空间自相关分析分为全局空间自相关分析和局部空间自相关分析，全局自相关分析是从整个研究区域内探测变量在空间分布上的聚集性；局域空间自相关分析是从特定局部区域内探测变量在空间分布上的聚集性，并能够得出具体的聚集类型及聚集区域位置，常用的方法有Moran's I 、Gear's C 、Getis 、Morans 散点图等。 1.1.1 全局空间自相关分析 全局空间自相关分析主要用Moran's I 系数来反映属性变量在整个研究区域范围内的空间聚集程度。首先，全局Moran's I 统计法假定研究对象之间不存在任何空间相关性，然后通过Z-score 得分检验来验证假设是否成立。 Moran's I 系数公式如下： 11 2 11 1 ()()I ()()n n ij i j i j n n n ij i i j i n w x x x x w x x =====--= -∑∑∑∑∑(式 错误！文档中没有指定样式的文字。-1) 其中，n 表示研究对象空间的区域数；i x 表示第i 个区域内的属性值，j x 表示第j 个区域内的属性值，x 表示所研究区域的属性值的平均值；ij w 表示空间权重矩阵，一般为对称矩阵。 Moran's I 的Z-score 得分检验为：
常用数据分析方法详细讲解
常用数据分析方法详解 目录 1、历史分析法 2、全店框架分析法 3、价格带分析法 4、三维分析法 5、增长率分析法 6、销售预测方法 1、历史分析法的概念及分类 历史分析法指将与分析期间相对应的历史同期或上期数据进行收集并对比，目的是通过数据的共性查找目前问题并确定将来变化的趋势。 *同期比较法：月度比较、季度比较、年度比较 *上期比较法：时段比较、日别对比、周间比较、 月度比较、季度比较、年度比较 历史分析法的指标 *指标名称： 销售数量、销售额、销售毛利、毛利率、贡献度、交叉比率、销售占比、客单价、客流量、经营品数动销率、无销售单品数、库存数量、库存金额、人效、坪效 *指标分类： 时间分类 ——时段、单日、周间、月度、季度、年度、任意 多个时段期间 性质分类 ——大类、中类、小类、单品 图例 2框架分析法 又叫全店诊断分析法 销量排序后，如出现50/50、40/60等情况，就是什么都能卖一点但什么都不 好卖的状况，这个时候就要对品类设置进行增加或删减，因为你的门店缺少 重点，缺少吸引顾客的东西。 如果达到10/90，也是品类出了问题。 如果是20/80或30/70、30/80，则需要改变的是商品的单品。 *单品ABC分析（PSI值的概念） 销售额权重（0.4）×单品销售额占类别比＋销售数量权重（0.3） × 单品销售数量占类别比＋毛利额权重（0.3）单品毛利额占类别比 *类别占比分析（大类、中类、小类） 类别销售额占比、类别毛利额占比、 类别库存数量占比、类别库存金额占比、
类别来客数占比、类别货架列占比 表格例 3价格带及销售二维分析法 首先对分析的商品按价格由低到高进行排序，然后 *指标类型：单品价格、销售额、销售数量、毛利额 *价格带曲线分布图 *价格带与销售对数图 价格带及销售数据表格 价格带分析法 4商品结构三维分析法 *一种分析商品结构是否健康、平衡的方法叫做三维分析图。在三维空间坐标上以X、Y、Z 三个坐标轴分别表示品类销售占有率、销售成长率及利润率，每个坐标又分为高、低两段，这样就得到了8种可能的位置。 *如果卖场大多数商品处于1、2、3、4的位置上，就可以认为商品结构已经达到最佳状态。以为任何一个商品的品类销售占比率、销售成长率及利润率随着其商品生命周期的变化都会有一个由低到高又转低的过程，不可能要求所有的商品同时达到最好的状态，即使达到也不可能持久。因此卖场要求的商品结构必然包括：目前虽不能获利但具有发展潜力以后将成为销售主力的新商品、目前已经达到高占有率、高成长率及高利润率的商品、目前虽保持较高利润率但成长率、占有率趋于下降的维持性商品，以及已经决定淘汰、逐步收缩的衰退型商品。 *指标值高低的分界可以用平均值或者计划值。 图例 5商品周期增长率分析法 就是将一段时期的销售增长率与时间增长率的比值来判断商品所处生命周期阶段的方法。不同比值下商品所处的生命周期阶段(表示) 如何利用商品生命周期理论指导营运(图示) 6销售预测方法[/hide] 1.jpg (67.5 KB) 1、历史分析法
空间自相关--Morans'I
重庆各区县乡村人口所占比例的空间自相关分析 选题： 在ArcGIS中分别计算全局Moran’I 指数和局部Moran’I指数，分析重庆各区县乡村人口所占比例的空间关联程度。 实验目的： 根据重庆市各区县之间的邻接关系，采用二进制邻近权重矩阵，选取各区县2008年的重庆各区县的总人口及乡村人口，计算出重庆各区县乡村人口所占的比例，在ArcGIS里面分别计算全局Moran’I 指数和局部Moran’I指数，分析空间关联程度。 实验数据： 1．重庆统计年鉴中2008年重庆市各区县的总人口及乡村人口数量（excel表格） 2．重庆市各区县的矢量图（shp.文件） 软件： ArcGIS10.2 操作过程与结果分析： 第一步：导入Excel数据文件和重庆市各区县的矢量图，并建立关联 1. Catalog——Folder Connections，在对应的文件夹下打开重庆市各区县城镇化率的EXCEL表格及重庆市各区县shp文件
为关联字段，将两个文件关联起来
3.右键单击关联后的重庆区县界shp.文件，导出为Export_Output文件，新文件的属性表如下： 第二步：计算全局Morans I 1.打开ArcToolbox，选择Spatial Statistics Tools——Analying Patterns——Spatial Autocorrelation（Morans I）选择二进制邻接矩阵方法来确定空间权重矩阵（即当区域i和具有公共边或公共点时，两区域的距离矩阵设为1，若不相邻接，其距离矩阵设为0），选择欧式距离作为计算距离的方法，对数据进行标准化处理后计算全局Moran’I指数度量空间自相关
16种常用数据分析方法 (2)
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。
A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如 何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关； 3、偏相关：在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量之间的相关关系称为偏相关。 六、方差分析
数据收集方法
数据收集方法
数据收集的方法 和其他领域的研究一样，当我们选定了相应的研究设计之后，一个重要的问题就是如何能准确有效地收集数据，以客观而全面地反映所要研究的心理行为问题的真实状况。在心理学的研究中，通常收集数据的方法包括观察法、访谈法、问卷法、测验法、语义分析法、内容分析法等等，作为心理学研究的一个领域，学校心理学研究通常也采用这些方法，特别是观察法、访谈法、问卷法、测验法、个案研究等。 一、观察法 观察法是研究者通过感官或一定的仪器设备，有目的、有计划地观察儿童的心理和行为表现，并由此分析儿童心理和行为特征和规律的一种方法。 儿童的心理活动有突出的外显性，通过观察其外部行为，可以了解他的心理特征。因此，观察法是学校心理学研究的最基本、最普遍的一种方法。 (一)观察的类型 由于观察的目的不同，可以将观察法分为不同的类型。 1. 自然观察与实验观察 根据观察的数据是在自然条件下取得的，还是在人为干预条件下获得的，观察法可以分为自然观察和实验观察。所谓自然观察法是指在自然的状态下，对儿童的各种心理和行为表现进行观察，搜集研究资料的一种方法。它能够收集到观察对象在日常生活中的真实、典型、一般的行为表现，但这种方法使观察者比较被动，也难于揭示儿童的许多在自然状态下不易表现出来的心理特点。实验观察法指通过人为地改变和控制一定的条件，有目的地引起被研究者的某些心理和行为表现，以便在最有利的条件下对它们进行观察，收集有关研究资料的一种方法。比如，要研究儿童的助人行为，单靠自然观察显然是很困难的，研究者常会创设一定的情境，观察儿童在这种情境下的助人行为的状况，实际上，实验观察法就是我们常说的实验法。 2. 参与观察与非参与观察
材料分析方法说明
红外汲取光谱 1 波长（λ）相邻两个波峰或波谷之间的直线距离，单位为米（m）、厘米（cm）、微米（μm）、纳米（nm）。这些单位之间的换算关系为1m＝102cm＝106μm＝109nm。 2频率（v）单位时刻内通过传播方向某一点的波峰或波谷的数目，即单位时刻内电磁场振动的次数称为频率，单位为赫兹（Hz，即s-1），频率和波长的关系为 3 波数（σ）每厘米长度内所含的波长的数目，它是波长的倒数，即σ＝1 / λ ,波数单位常用cm-1来表示。 4传播速度:辐射传播速度υ等于频率v乘以波长λ，即υ＝v λ。在真空中辐射传播速度与频率无关，并达到最大数值，用c 表示，c值准确测定为2.99792×1010cm/s 5周期T:相邻两个波峰或波谷通过空间某固定点所需要的时刻间隔，单位为秒（s）。 红外光谱法的特点: （1）特征性高。就像人的指纹一样，每一种化合物都有自己的特征红外光谱，因此把红外光谱分析形象的称为物质分子的“指纹”分析。（2）应用范围广。从气体、液体到固体，从无机化合物到有机化合物，从高分子到低分子都可用红外光谱法进行分析。（3）用样量少，分析速度快，不破坏样品。
简正振动的数目称为振动自由度，每个振动自由度相应于红外光谱图上一个基频汲取峰。每个原子在空间都有三个自由度，假如分子由n个原子组成，其运动自由度就有3n 个，这3n个运动自由度中，包括3个分子整体平动自由度，3个分子整体转动自由度，剩下的是分子的振动自由度。关于非线性分子振动自由度为3n－6，但关于线性分子，其振动自由度是3n－5。例如水分子是非线性分子，其振动自由度=3×3－6=3. 红外汲取光谱（Infrared absorption spectroscopy, IR）又称为分子振动—转动光谱。当样品受到频率连续变化的红外光照耀时，分子汲取了某些频率的辐射，并由其振动或转动运动引起偶极矩的净变化，产生分子振动和转动能级从基态到激发态的跃迁，使相应于这些汲取区域的透射光强度减弱。记录红外光的百分透射比与波数或波长关系的曲线，就得到红外光谱。 红外光谱在化学领域中的应用大体上可分为两个方面：一是用于分子结构的基础研究，应用红外光谱能够测定分子的键长、键角，以此推断出分子的立体构型；依照所得的力常数能够明白化学键的强弱；由简正频率来计算热力学函数。二是用于化学组成的分析，红外光谱最广泛的应用在于对物质的化学组成进行分析，用红外光谱法能够依照光谱中汲取峰的位置和形状来推断未知物
数据收集与整理
数据收集整理教学设计 教学目标： 知识与技能： 初步体验数据收集、整理、描述和分析的过程。会用调查法收集整理数据。并分析数据解决问题。 过程与方法： 在经历简单的收集、整理、描述和分析的过程中，学习一些简单的的收集、整理、描述和分析得方法 情感态度与价值观：通过对学生身边有趣事例的调查活动，激发学生学习的兴趣，培养学生的合作意识和实践探究能力。 教学重难点： 重点：经历收集和整理数据的过程，初步认识统计表。 难点：感受用调查法收集整理数据的过程。 教学工具 多媒体课件、与校服颜色有关的图片 教学过程： 一、情境导入 教师：同学们，新的学期开始啦，学校准备给大家定做新的校服。你希望自己的校服是什么颜色呢？ 指名3~5个学生说一说。 教师：学校要给你们定做的校服，有下面四中颜色（课件出现四种颜色），请你们当参谋，给学校提供建议选哪种颜色合适。 指名学生回答，并说明理由。 教师引导：如果张三喜欢红色，学校就决见定将校服做成红色，怎么样？你有什么意见？指名学生回答。 教师：你们刚才说的只是根据自己的喜好来决定你想穿的校服颜色不能代表学校大多数学生的意见。那如何知道那种颜色是大多数同学喜欢的呢？（学生可能回答，调查全校学生喜欢的颜色） 教师追问：如果我们现在要马上把信息反馈给学校，你觉得调查全校的学生这个方法怎们样？ 学生交流讨论。 教师小结：全校学生这么多，要调查全校的学生范围太广了。我们可以先在班里调查，把班里的数据作为代表。找出大多数同学喜欢的颜色来代表全校大多数同学喜欢的颜色。那这节课就在我们班里进行调查统计，看看在这四种颜色中，大多数同学喜欢那种颜色。 二、探究新知 1、讨论收集数据的方法。 教师提问：刚才我们确定了要在班里进行调查，我们班里的人数也不少，应该怎样调查呢？你有什么好的办法？（指名学生回答） 学生讨论收集数据的方法。
(完整版)常用数据分析方法论
常用数据分析方法论 ——摘自《谁说菜鸟不会数据分析》 数据分析方法论主要用来指导数据分析师进行一次完整的数据分析，它更多的是指数据分析思路，比如主要从哪几方面开展数据分析？各方面包含什么内容和指标？ 数据分析方法论主要有以下几个作用： ●理顺分析思路，确保数据分析结构体系化 ●把问题分解成相关联的部分，并显示它们之间的关系 ●为后续数据分析的开展指引方向 ●确保分析结果的有效性及正确性 常用的数据分析理论模型 用户使用行为STP理论 SWOT …… 5W2H 时间管理生命周期 逻辑树 金字塔SMART原则 …… PEST分析法 PEST分析理论主要用于行业分析 PEST分析法用于对宏观环境的分析。宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。 对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。
以下以中国互联网行业分析为例。此处仅为方法是用实力，并不代表互联网行业分析只需要作这几方面的分析，还可根据实际情况进一步调整和细化相关分析指标：
5W2H分析法 5W2H分析理论的用途广泛，可用于用户行为分析、业务问题专题分析等。 利用5W2H分析法列出对用户购买行为的分析：（这里的例子并不代表用户购买行为只有以下所示，要做到具体问题具体分析）
逻辑树分析法 逻辑树分析理论课用于业务问题专题分析 逻辑树又称问题树、演绎树或分解树等。逻辑树是分析问题最常使用的工具之一，它将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。 把一个已知问题当成树干，然后开始考虑这个问题和哪些相关问题有关。 （缺点：逻辑树分析法涉及的相关问题可能有遗漏。）
空间自相关统计量(20201209125239)
空间自相关的测度指标 1全局空间自相关 全局空间自相关是对属性值在整个区域的空间特征的描述。表示全局空间自相关的指标和方法很多，主要有全局Moran' si、全局Geary' sC和全局Getis-OrdG［3,5］都是通过比较邻近空间位置观察值的相似程度来测量全局空间自相关的。 全局Moran' si 全局Moran指数i的计算公式为： 其中，n为样本量，即空间位置的个数。X i、x j是空间位置i和j的观察值，Wj表示空间位置i和j的邻近关系，当i和j为邻近的空间位置时，wij =1 ；反之，Wj =0o全局Moran指数i的取值范围为［-1,1］。 对于Moran指数，可以用标准化统计量Z来检验n个区域是否存在空间自相关关系，Z 的计算 公式为： n I E(l) W j(d)(X j X i) Z -------------- _i j i 'VAR( I) = S Jwi (n~1 ~W i) /(n~2) ＞f E(I i)和VAR(h)是其理论期望和理论方差。数学期望EI=-1/(n-1) o 当Z值为正且显着时，表明存在正的空间自相关，也就是说相似的观测值(高值或低值)趋于空 间集聚；当Z值为负且显着时，表明存在负的空间自相关，相似的观测值趋于分散分布；当Z值为零时，观测值呈独立随机分布。 全局Geary' sC 全局Geary' sC测量空间自相关的方法与全局Moran' sI相似，其分子的交叉乘积项不同，即测量邻近空间位置观察值近似程度的方法不同，其计算公式为：全局Moran' sI的交叉乘积项比较的是邻近空间位置的观察值与均值偏差的乘积，而全局Geary' sC比较的是邻近空间位置的观察值之差，由于并不关心xi是否大于xj，只 关心xi和xj之间差异的程度，因此对其取平方值。全局Geary' sC的取值范围为［0,2］，数学期望恒为1。当全局Geary' sC的观察值＜1，并且有统计学意义时，提示存在正空间自相关；当全局Geary' sC的观察值＞1时，存在负空间自相关；全局Geary' sC的观察值=1时，无空间自相关。其假设检验的方法同全局Moran' sI。值得注意的是，全局Geary' sC的数学期望不受空间权重、观察值和样本量的影响，恒为1,导致了全局Geary' sC的
案例研究分析方法介绍
案例研究分析方法介绍 1.案例研究的起源 案例研究最早于1870年由美国哈佛大学法学院提出,其目的是为了在法律文献急剧增长的情况下使学生更有效的学习法律的原理原则。此后,案例研究作为一种教学方式被普遍应用于法律、商业、医学及公共政策等领域中。案例研究的另一个来源是是医学、社会工作和心理学工作者的个人描述,通常被称作“个案记录”或者“个案历史”。作为研究方法的案例研究不同于作为教学方法的案例研究,作为教学性案例研究的材料是经过精心处理的,以便更有效的突出其有用之处,而在研究型案例研究中这种行为是绝不允许的;此外,教学性案例研究不须考虑研究过程的严谨性,也不考虑忠实的呈现实证数据,而研究性案例研究则有及其严格的要求。 2.案例研究的核心内涵 案例研究作为社会科学领域的主要研究方法之一,与调查法和实验法并列成为实证研究的重要方法。案例研究与其他类型的研究方法通常会结合使用,发展至今,已经形成了一套完整的研究体系。对于案例研究方法的定义,各学者都提出了自己的见解。Jennifer Platt对案例研究的定义为“一整套设计研究方案必须遵循的逻辑,是只有当所要研究的问题与其环境相适应时才会适用的方法,而不是什么环境下都要生搬硬套的教条。”Robert Yin则认为案例研究是一种经验主义的探究,它研究现实生活背景中的暂时现象;在这样一种研究情境中,现象本身与其背景之间的界限不明显,(研究者只能)大量运用事
例证据来展开研究。Robert Yin的定义得到了广大的学者的认同。虽然目前对于案例研究尚没有完全严格的定义,但总体来说,作为一 种研究思路的案例研究包含了各种方法,涵盖了设计逻辑、资料收集技术,以及具体的资料分析手段。就这一意义来说,案例研究既不是资料收集技术,又不仅限于设计研究方案本身,而是一种全面的、综合性的研究思路。 根据Robert Yin等学者的观点,案例研究方法适用于解决“怎么样”和“为什么”的问题。具体来说,案例研究具有以下几种用途:其最重要的用途是解释现实生活中的各种因素之间假定存在的联系,这与案例研究的前提密切相关,即案例的现象与背景存在着密切的联系,而这种联系的复杂程度又是实验或调查都无法解释的。用评估学的术语来说,就是解释某一方案的实施过程与方案实施效果之间的联系。第二个用途是描述某一刺激及其所处的现实生活场景。第三个用途是以描述的形式,列示某一评估活动中的一些主题。第四个用途是探索那些因果关系不够明显、因果联系复杂多变的现象。第五个用途是进行元评估,即对某一评估活动本身进行再评估。 3.案例研究的分类体系 案例研究作为一种研究方法,其过程中会涉及到多种研究维度,因此一个清晰的分类体系可以帮助研究者选择合适的研究方法。按研究目的分类探索性案例研究、描述性案例研究、解释性的案例研究。按分析单位分类整体性案例研究和嵌入性案例研究案例研究可以选择单案例研究,也可以选择多案例研究。两者都属于案例研究的变式,
16种统计分析方法
16种常用的数据分析方法汇总 2015-11-10 分类：数据分析评论(0) 经常会有朋友问到一个朋友，数据分析常用的分析方法有哪些，我需要学习哪个等等之类的问题，今天数据分析精选给大家整理了十六种常用的数据分析方法，供大家参考学习。 一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策 树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前 需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W 检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在 可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验
非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致 性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。 列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关；
收集数据的主要方法
收集数据的主要方法： 收集数据的方法主要有普查和抽样调查两种方式，当对要求数据非常非常准确的时候可以采取普查的方式，如为了制做校服，要了解学生的身高，胸围，裤长等数据，而取得这些数据的方式应逐人调查，这就是普查方式，普查得到的数据比较准确。但是当要调查的总体比较多时普查又比较费时，费力，消耗大量财力，并且有时也是无法做到的，如要了解一批灯泡的使用寿命，不可能将这批灯泡逐个使用到用坏为止。 因此抽样调查是收集数据的又一种方式。抽样调查就是在被调查的数据中随机地抽取一些数据组成一个样本，通过对样本中数据的分析去估计全体数据的情况。抽样调查是统计工作的重要方式，这种方式是切实可行的，做好抽样调查的关键是“随机抽样”，也就是不要有目的地挑选数据，而是用某一规律在全体被调查的数据中取得数据。一般地抽取数据的方式不同，得到的统计数据不同，但是只要做到随机抽样，所得数据就具有代表性。 平均数的应用： (一) 算术平均数 算术平均数应用最广, 其原因在于在经济现象中, 总体的标志总虽常常等于总体单位的标志数量的总和, 算术平均数恰好适应这种情况。而且算术平均数可以使∑(X 一灭)∧ 2 为m i n V a lu e , 在一般情况下, 其数值代表性较好。 算术平均数虽然只受极端数值的影响, 但可以通过组平均数、分组法、数列分布等方法 来弥补这一缺陷, 所以算术平均数在平均数中占主要地位, 只有在一些特定场合, 才用到其他平均数。 (二) 调和平均数X H 一般来说, 在需要计算倒数的平均数值时, 需要应用调和平均数。 在m = X f时, 如果已知m , 均用调和平均数计算。 (三) 几何平均数了 几何平均数有一重要数学性质: 小于平均数的变量对jL何平均数之比的乘积等于儿何平均数对大于平均数的变量之比的 乘积。 这个性质表明, 当我们要表现变量与变量之间相对差异程度时; 用儿何平均数比用其他 一 平均数代表性更好, 而且, 儿何平均数在标志值平均数中受极端数值影响最小, 几何平均数常用来计算平均发展速度。 (四) 平方平均数Xq 平方平均数适用于需要将变量平方以后再求平均数的场合。比如, 在农产量调查中, 求 面积因子的平均数时, 就要用平方平均数。又如标准差计算也要用平方平均数计算: (五) 中位平均数M e 卜位平均数适用性比较强, 对于两端开放的数列, 也可以计算中位平均数; 对于不带有 观测值的事物(品质现象) 也可以计算中位平均数, 而且中位平均数有习X 一M e卜m in V a lu e 的性质, 故可用于最佳地址选择问题, 中位平均数还可用于工厂质量检查和季节比率计算等方面。
空间分布模式与空间相关分析
实习序号和题目空间分布模式与空间相关分析 实习人专业及编号 实习目的： 熟悉和掌握 Spatial Statistics Tools里的基本工具，对所给数据进行空间分析。 实习内容： 1.参考文献《多尺度人口增长的空间统计分析》，练习多距离 L(d) 、全局 Moran’ I 与 G*统计量分析，显著性检验的置信区间定义为90%； 2.对 adabg00 数据进行全局与局部的 moran I 与 G统计量分析； 3. 对 deer 数据进行基于距离的最近邻分析与L(d) 分析； 实习数据： 1.省区 .shp ：中国各省分布图 2.各省第 5 次和第 6 次人口普查：各省人口普查数据 deer.shp ：鹿场点分布图 3.adabg00.shp: 爱达荷州阿达各街区2000 年人口普查数据 基本原理： 空间分布的模式一般来说，有三种，分别是离散、随机、和聚合。离散的概 念就是指观测的每个数据之间的差异程度，离散程度越大，差异性就越大。聚合与离散正好相反，表示在一定区域内的相关程度，就是聚合程度越大，相关性就越大。随机是纯粹的无模式，既不能从随机数据中获取结论，也发现不了规律和模式。 1.零假设（ null hypothesis ）：指进行统计检验时预先建立的假设。在空间统计中，零假设指的就是空间位置在一定区域里面呈现完全随机（均匀）分布。在检 验结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果真实结果偏离了设定的区间，就表示发生了小概率事件。这样原来 的假设就不成立了。
如果计算结果落在-2 到2 之间，就表示假设是可以接受，但是不在这个范围内， 就说明发生小概率事件了。有两种可能： 1，假设有错误； 2，出现了异常值。 2.z 得分（ Z scores ）表示标准差的倍数 标准差：总体各单位标准值与其平均数离差平方的算术平均数的平方根” 也就是“标准差能反映一个数据集的离散程度” 。比如z 得分是+2.5 ，得到的结果是标准差的正 2.5 倍，表示数据已经高度聚集。反之，如果是 -2.5, 那么就表示标准差的负 2.5 倍，就是高度离散的数据。 置信度：数据落在期望区间的可能性 在统计学中，一个概率样本的置信区间（ Confidence interval ）是对这个样本的某 个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量 结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度。这个概率 被称为置信水平。置信水平是指总体参数值落在样本统计值某一区内的概率；而置 信区间是指在某一置信水平下，样本统计值与总体参数值间误差范围。置信区间越大，置信水平越高。 3.在空间统计分析中，通过相关分析可以检测两种现象（统计量）的变化是否 存在相关性，若所分析的统计量为不同观察对象的同一属性变量，则称之为自相关。而空间自相关反映的是一个区域单元上的某种地理现象或某一属性值与邻近 区域单元上同一现象或属性值的相关程度，是一种检测与量化从多个标定点中取 样值变异的空间依赖性的空间统计方法。当变量在空间上表现出一定的规律性，即 不是随机分布则存在着空间自相关，空间自相关理论认为彼此之间距离越近的事 物越相像。也就是说，空间自相关是针对同一个属性变量而言的。 4.空间自相关方法按功能大致分为两类：全域型自相关和区域型自相关。全域型自相关的功能在于描述某现象的整体分布状况，判断此现象在空间是否有聚集特性 存在，但其并不能确切得指出聚集在哪些地区，若将全域型不同空间间隔的空间自 相关统计量依序排列，可进一步得到空间自相关系数图，用于分析该现象在空间 上是否有阶层性分布。区域型自相关能够推算出聚集地的范围。 5.最近邻分析 是根据每个要素与其最近邻要素之间的平均距离计算其最近邻指数。最近邻指数 是平均观测距离和平均期望距离之比。如果小于１，则要素呈现空间聚集式；如果 大于１，则要素呈现空间离散模式或竞争模式。最近邻分析并没有考虑到属性特征，只是根据空间位置。 6.Moran ’s I法 高的自相关性代表了空间现象聚集性的存在，空间自相关分析的主要功能在于同时 可以处理数据的区位和属性。全域型 Moran ’s I 计算方式是基于统计学相关系数的协方差关系推算出来的。 I 值一定介于 -1 到 1 之间，大于 0 为正相关，且值越大表 示空间分布的相关性越大，即空间上聚集分布的现象越明显，反之， 值越小代表空间分布相关性小，而当值趋于 0 时，代表此时空间分布呈现随机分布 的情形。若 I 值大于 0 ，说明相邻地区拥有相似的数据属性，属性值高或低的地区都有聚集现象；若 I 小于 0 ，说明相邻地区属性差异大，数据空间分布呈现高地间隔分布的状态；若 I 趋近于 0 ，则相邻空间单元间相关低，某空间现象的高值或低值呈无规律的随机分布状态。若 I 值显著大于 I 的期望值（I值为正值且显著），说明两 点存在相似关系，若 I 值显著小于 I 的期望值（I 值为负值且显著），说明两点存在不相似关系。区域空间自相关值累加之和即全域空间自相关 Moran ’s I 值。