欢迎来到天天文库
浏览记录
ID:6373184
大小:259.50 KB
页数:8页
时间:2018-01-12
《白话空间统计之四:p值和z得分(中)》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、白话空间统计之四:P值和Z得分(中)Esri中国卢萌 要说P、Z之前(本文的P、Z写法,请忽略大小写),我们先看看一个中学化学的概念:PH值。另外,还要纠正一个说法,p 是一个值(p value),而z是一个得分(zscores),上篇文章中,称谓出错了。就像上面那个PH试纸的标尺,从中间往两边延伸,表示酸碱的强度。理论上,自然界的物质,基本上以7为中心的泊松分布,就像下面这样:相对于极度的强酸和极度的强碱,在自然界中的含量都是比较少的,更多的都是中性或者是弱酸或者弱碱的物质。PH值就是用来度量酸碱度的东东,那么我们今天要说的P、Z就类似于PH值这样一个概念,也是用
2、来衡量空间分布模式,而且最关键的,它的值也有一个和PH试纸一样的参考标尺。首先看看,空间分布的模式,一般来说,有三种,分别是离散的、随机的、和聚合的。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。随机就不用说了,纯粹的无模式,你既不能从随机数据中获取结论,也发现不了规律和模式。拿到数据之后,我们都要进行零假设,然后验证这份数据是不是具有随机模式,如果有很大的概率是随机模式,那么这份数据的可分析性,基本上就微乎其微了(比如布朗运动的运动规律,估计没有哪个人会无聊的去做研究,
3、一方面根本就研究不出什么结果来嘛,另一方面是随机结果的分析也不具有可重现性)。P值和Z得分分别表什么呢?p值(P-Value,Probability,Pr),代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中,p值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说,你计算出来的p值是1,那就表示你用于计算的这份数据,100%是随机生成的了(当然,不可能是1的,0.5以上就也不得了)。如果是0.1,就表示只有10%的可能性是随机生成的结果。这样看来,p值是越小越好,但是小到什么样的程度才会最好呢?后面我们会就这个问题继续讨论。z得分(Z scores
4、)表示标准差的倍数(standarddeviations)。先看看“标准差”是什么,在官方的解释是:“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”,好吧,我知道这个概念有点绕口,你就知道记住“标准差能反映一个数据集的离散程度”,就可以了。那么z得分,就是标准差的倍数(有正负之分),比如z得分是+2.5,就表示你的数据计算出来,得到的结果是标准差的正2.5倍,那么就表示数据已经高度聚集了。反之,如果你算出来的是-2.5,那么就表示你的结果是标准差的负2.5倍,就是高度离散的数据了。P值和Z得分,一般都是一起出现的,如下图所示:可以看见,p值与z值是有相关性的。上面这个
5、标尺就是p值和z得分的"PH试纸标准比色卡"。按照这个分布趋势,我们可以看出,数据高度聚集和高度离散,都是小概率的事件。如果你计算出来的p值和z得分,被分布在了两端,就说明你的数据出现随机模式的概率非常低了。一般来说,要进行数据分析,我们首先就要设立一个置信度,也就是说,你要设定你的数据,起码要有多大的可能性,被落在你期望的区间内。如,一拿到数据,我们最先就要想,这份数据起码应该有绝大部分的值,不是随机的(也就说,是应该有规律的),这个绝大部分到底应该被量化为多少呢?一般来说,我们会选择90%,或者95%或者99%。那么99%是最极端的情况,表示你能够完全的确认,这份数据没有任
6、何的随机可能(只有1%的可能是随机创建的),完全的接受了零假设。下表显示了不同置信度下未经校正的临界 p值和临界z得分。z得分(标准差)p值(概率)置信度<-1.65或>+1.65<0.1090%<-1.96或>+1.96<0.0595%<-2.58或>+2.58<0.0199%“未经校正”就所谓的“经验参数”,当然还有一个“错误发现率(FDR)”工具,可以对p值的临界点进行校正。这些校正后临界值会等于或小于上面的表所示的值。对于这个FDR工具,先挖个坑,以后填。最后,我们最后来解读一份数据这个是通过ArcMap的全局莫兰指数计算出来的结果,我们暂时跳过期望指数和方差,直接看我
7、们这几天讲的内容。莫兰指数是大于0.7,z得分是大于1.96,p值为大于0.04小于0.05,对照上面那个对比标尺,所以就能得出以下的结果:1、莫兰指数是正数,而且大于0.7,就表示这份数据具有空间正相关性,数据集的用于分析的值与空间聚集度成正比。2、p值小于0.05,所以本数据是随机生成的概率只有5%(95%的置信度)。3、z得分大于1.96,说明这份数据的呈现了明显的聚类特征。那么总体说,p值代表数据来源的可靠性,z得分和莫兰指数都表示此数据有明显的规律。最后来看看,这是一份什么数据:这
此文档下载收益归作者所有