GeoDa(空間數(shù)據(jù)分析軟件)v1.14.0.0免費版

GeoDa(空間數(shù)據(jù)分析軟件)，可以利用GeoDa軟件做空間自相關(guān)分析，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可以運行在Windows、MacOSX 和Linux系統(tǒng)上。

軟件介紹

GeoDa是一個免費、開源的空間數(shù)據(jù)分析軟件。 通過探索和建模空間模式，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(spatial autocorrelation statistics)和基本的空間回歸分析(spatial regression analysis)。

從2003年2月GeoDa發(fā)布第一個版本以來， GeoDa的用戶數(shù)量 成倍的增長。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)都在實驗室中安裝并使用GeoDa軟件。GeoDa軟件得到了用戶和媒體廣泛的好評，被稱之為“一個非常重要的分析工具”，“一款制作精良的軟件”，有著“激動人心的進(jìn)展”。

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：單變量和多變量的局部Geary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)請參考Hoon et al's 2013 "C Clustering Library")。同時GeoDa也支持更多的空間數(shù)據(jù)格式，支持時空(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)計測試和模型的結(jié)果。

時空模式分析

您現(xiàn)在可以在新的時間編輯器中對同一變量進(jìn)行跨時間段的分組，以探索跨時空的統(tǒng)計模式。然后用時間播放器探索隨著時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基圖，包括聚類圖，以獲得更好的定位和地面實測結(jié)果。

時空數(shù)據(jù)的均值比較

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

檢測多元空間關(guān)系

通過散點圖矩陣，可以同時探索多個二變量的相關(guān)關(guān)系。在這個例子中，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。

檢測隨時間的變化在空間上聚集

使用全局或局部差分Moran's I檢驗來找出一個變量在特定地點的變化是否與鄰近地區(qū)的變化有統(tǒng)計學(xué)上的關(guān)系。例如，這個局部(LISA)聚類圖顯示了2002年至2008年期間紐約的熱點地區(qū)的兒童比例變化較大(而冷點的變化較小)。

單/多變量的空間聚類分析

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

檢測空間相關(guān)性邊界閾值

非參數(shù)空間自相關(guān)測試(corlogram)現(xiàn)在可以用來確定相鄰對的值不再相關(guān)時的距離閾值。

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)果對分類數(shù)據(jù)的閾值變化的敏感度。在這個例子中，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。