軟件介紹

軟件標(biāo)簽: 空間數(shù)據(jù)分析軟件空間數(shù)據(jù)軟件分析軟件

geoda軟件官方最新版提供了非常實用的空間自相關(guān)分析功能，應(yīng)用范圍非常之廣泛，非常適合專業(yè)人士來使用，集成了眾多的空間相關(guān)算法，可以進行聚類和空間分析，小編為大家?guī)淼氖侵形陌姹?，歡迎有需要的朋友下載體驗！

官方介紹

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?？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是由 luc anselin 博士和其團隊開發(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“激動人心的進展”。

geoda最新發(fā)布的版本是1.20。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)。

geoda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, .ods)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)。 geoda也能讓用戶將感興趣的、選中的數(shù)據(jù)另存為一個新的矢量數(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

與在地圖中可視化原始數(shù)據(jù)的程序相比，geoda 側(cè)重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。

探索多種空間數(shù)據(jù)分類

geoda中文版

使用新的類別編輯器，您可以探索結(jié)果對數(shù)據(jù)分類閾值變化的敏感程度。在此示例中，條件映射（右）中的閾值基于可在類別編輯器（左）中調(diào)整的類別。

時空模式分析

您現(xiàn)在可以在新的時間編輯器中跨時間段對同一變量進行分組，以探索跨空間和時間的統(tǒng)計模式。然后使用時間播放器探索隨著時間推移視圖變化的結(jié)果。

添加包括nokia和cartodb提供的底圖(basemap)

如果您的空間數(shù)據(jù)被投影（.prj 文件），您現(xiàn)在可以將底圖添加到任何地圖視圖，包括聚類地圖，以獲得更好的方向和地面真實結(jié)果。

時空數(shù)據(jù)的均值比較

新的平均值圖表比較了隨時間和/或空間取平均值的值，并測試這些平均值的差異是否顯著。例如，首先選擇是要比較同一時間段內(nèi)選定觀測值與未選定觀測值的均值，還是比較不同時間段的所有觀測值。一個基本的前后/影響控制測試然后表明您的結(jié)果是否隨時間和空間變化（使用 f 測試和差異中的差異測試）。

檢測多元空間關(guān)系

geoda官方版

散點圖矩陣允許您一次探索多個二元相關(guān)性。在此示例中，顯示了舊金山選定、未選定和所有警區(qū)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

使用全局或局部微分 moran?s i 測試來確定給定位置的變量隨時間的變化是否與其鄰居的變量在統(tǒng)計上相關(guān)。例如，這張本地 (lisa) 集群地圖顯示了 2002 年至 2008 年期間紐約兒童比例變化較大的熱點（以及變化較小的冷點）。

單/多變量的空間聚類分析

luc anselin (2017)最近用新的空間關(guān)聯(lián)局部指標(biāo)擴展了 geary 的 c。這適用于法國“道德統(tǒng)計”的經(jīng)典數(shù)據(jù)集（guerry，1833 年），以顯示識字率的顯著高和低空間集中度（左圖）以及財產(chǎn)犯罪和識字率的顯著關(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)

您現(xiàn)在可以映射幾種經(jīng)典非空間聚類技術(shù)的模式，包括主成分分析（左圖）、k 均值（右上）和層次聚類（右下）。使用與上例相同的數(shù)據(jù)，下面的地圖顯示了財產(chǎn)犯罪、識字率和自殺的本地集群。

檢測空間相關(guān)性邊界閾值

當(dāng)相鄰對的值不再相關(guān)時，非參數(shù)空間自相關(guān)測試（相關(guān)圖）現(xiàn)在可用于確定距離閾值。