The role of Spatial Autocorrelation on spatially correlated data for Hierarchical Cluster Analysis
Δημοσιευμένα:
Apr 22, 2024
Λέξεις-κλειδιά:
Spatial analysis Field Experiments Agricultural Experimentation Data clustering
Περίληψη
Ordinary multi-variate statistical analyses usually consider only the correlation between variables ignoring the location of the objects-data points. One of the core principles of Statistics is that observations and their corresponding values, either between or within various groups, are independent of each other. The fundamental concept of spatial dependence and spatial autocorrelation is often omitted in ordinary statistical analysis, although coordinates of measurements are usually available. Current study examines the results of two different methodological approaches to test the benefit of considering the “spatial information” of the measurements: (1) Hierarchical Cluster Analysis (HCA) with corrected data (replacement of missing values with sowing row mean value), and (2) Hierarchical Cluster Analysis with data after spatial interpolation applied. Spatial Autocorrelation Analysis (Univariate Local Moran’s I) was used to check the spatial autocorrelation of data in each case via LISA (Local Indicators of Spatial Association–LISA) cluster maps and thus make visual comparisons between the above two methodological schemes. Both HCA analysis and LISA cluster maps show that considering the “spatial” location of the measurements can lead to different results than those from an ordinary statistical analysis without spatial correlated data. Comparing LISA cluster maps to quantile maps (that show the real distribution of data) it can be deduced that considering the spatial information (via spatial interpolation) can lead to results closer to the real distribution of data.
Λεπτομέρειες άρθρου
- Πώς να δημιουργήσετε Αναφορές
-
Koutsos, T., & Menexes, G. (2024). The role of Spatial Autocorrelation on spatially correlated data for Hierarchical Cluster Analysis. Τετράδια Ανάλυσης Δεδομένων, 20(1), 109–119. ανακτήθηκε από https://ejournals.epublishing.ekt.gr/index.php/dab/article/view/33519
- Ενότητα
- Μεθοδολογικές προσεγγίσεις
Αυτή η εργασία είναι αδειοδοτημένη υπό το CC Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0 4.0.
Οι Συγγραφείς που δημοσιεύουν εργασίες τους στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ συμφωνούν στους παρακάτω όρους:
- Οι Συγγραφείς δεν χρεώνονται με έξοδα υποβολής, επεξεργασίας ή δημοσίευσης των εργασιών τους. Τα κόστη αυτά καλύπτονται από την Ελληνική Εταιρία Ανάλυσης Δεδομένων.
- Τα πνευματικά δικαιώματα των εργασιών που δημοσιεύονται στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ προστατεύονται από την άδεια Creative Commons Attribution-NonCommercial-ΝοDerivatives 4.0 International. Οι Συγγραφείς διατηρούν τα Πνευματικά Δικαιώματα και χορηγούν στο περιοδικό το δικαίωμα της πρώτης δημοσίευσης. Η άδεια αυτή επιτρέπει σε τρίτους - αποδέκτες της άδειας να χρησιμοποιούν την εργασία σε οποιαδήποτε μορφή μόνο για μη εμπορικούς σκοπούς. Αν οι τρίτοι τροποποιήσουν ή προσαρμόσουν το περιεχόμενο, οφείλουν να κοινοποιήσουν το τροποποιημένο περιεχόμενο for noncommercial purposes only. If others modify or adapt the material, they must license the modified material under identical terms.
- Με την προϋπόθεση της διατήρησης των διατυπώσεων που προβλέπονται στην άδεια σχετικά με την αναφορά στον αρχικό δημιουργό και την αρχική δημοσίευση στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ.
- Οι Συγγραφείς μπορούν να συνάπτουν ξεχωριστές και πρόσθετες συμβάσεις και συμφωνίες για τη μη αποκλειστική διανομή της εργασίας όπως δημοσιεύτηκε στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ (π.χ. κατάθεση σε ακαδημαϊκά καταθετήρια), με την προϋπόθεση της αναγνώρισης και την αναφοράς της πρώτης δημοσίευσης στο περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ.
- Το περιοδικό ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ Α επιτρέπει και ενθαρρύνει τους συγγραφείς να καταθέτουν τις εργασίες τους σε θεσμικά (π.χ. το αποθετήριο του Εθνικού Κέντρου Τεκμηρίωσης) ή θεματικά αποθετήρια, μετά τη δημοσίευσή τους στο ΤΕΤΡΑΔΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ και με όρους Ανοικτής Πρόσβασης, όπως κατά περίπτωση προσδιορίζονται από τους χρηματοδότες της έρευνάς τους ή/και τα ιδρύματα με τα οποία συνεργάζονται. Κατά την κατάθεση της εργασίας τους, οι συγγραφείς πρέπει να παρέχουν πληροφορίες σχετικά με τη δημοσίευση της εργασίας στο περιοδικό και τις πηγές χρηματοδότησης της έρευνάς τους. Κατάλογοι των ιδρυματικών και θεματικών αποθετηρίων ανά χώρα υπάρχουν στη βάση http://opendoar.org/countrylist.php. Οι συγγραφείς έχουν τη δυνατότητα να καταθέσουν χωρίς κόστος την εργασία τους στο αποθετήριο www.zenodo.org, το οποίο υποστηρίζεται από το OpenAIRE (www.openaire.eu ), στο πλαίσιο των πολιτικών της Ευρωπαϊκής Επιτροπής για την ενίσχυση της Ανοικτής ακαδημαϊκής έρευνας.
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Anselin, L. (1994). ‘‘Local Indicators of Spatial Association–LISA.’’ Geographical Analysis 27, 93–115.
Anselin, L., I. Syabri, and Y. Kho. (2006). ‘‘GeoDa: An Introduction to Spatial Data Analysis.’’ Geographical Analysis 38, 5–22.
Cliff, A.D., and Ord, J.K. (1973) Spatial Autocorrelation. London: Pion.
Diniz-Filho, J.A.F., Bini, L.M., Hawkins (2003). B.A. Spatial autocorrelation and red herrings in geographical ecology, Global Ecology and Biogeography 12, 53-64.
Dormann, C. F. (2007). Effects of incorporating spatial autocorrelation into the analysis of species distribution data. Global Ecology and Biogeography 16,129–138.
Haining, R.P. (2001) Spatial Autocorrelation. International Encyclopedia of the Social & Behavioral Sciences, 14763-14768. https://doi.org/10.1016/B0-08-043076-7/02511-0.
Jenks, G. F. (1967). "The Data Model Concept in Statistical Mapping", International Yearbook of Cartography 7: 186-190.
Getis, A. (2008). A History of the Concept of Spatial Autocorrelation: A Geographer’s Perspective. Geographical Analysis 40, 297–309.
Grengs, J. (2001). “Does Public Transit Counteract the Segregation of Carless Households? Measuring Spatial Patterns of Accessibility.” Transportation Research Record: Journal of the Transportation Research Board 1753: 3–10.
Shahinzadeh, N., Babaeinejad, T., Mohsenifar, K., Ghanavati, N. (2022) Spatial variability of soil properties determined by the interpolation methods in the agricultural lands. Modeling Earth Systems and Environment 8:4897–4907.https://doi.org/10.1007/s40808-022-01402-w.
Zhou, L., Li, S., Li, C., Shen, G., Tang, H., Zhu, P., Han, H., Li, B. (2022). Spatial congruency or mismatch? Analyzing the COVID-19 potential infection risk and urban density as businesses reopen. Cities (123), 103615.
