WYKORZYSTANIE WSPÓŁCZYNNIKA MORANA DO KLASYFIKACJI OBIEKTÓW PRZESTRZENNYCH NA PRZYKŁADZIE CEN GRUNTÓW ROLNICZYCH

Main Article Content

Robert Pietrzykowski


Słowa kluczowe : autokorelacja przestrzenna, ceny gruntów rolniczych
Abstrakt
W artykule przedstawiono możliwości wykorzystania globalnej statystyki Morana do klasyfikacji obiektów przestrzennych. Przestrzenna autokorelacja jest wykorzystywana przede wszystkim do określenia podobieństwa obiektów, które znajdują się w różnych odległościach od siebie. Sąsiedztwo badanych obiektów, określamy przez jego rząd czyli obiekty, które sąsiadują bezpośrednio ze sobą traktujemy jako sąsiadów pierwszego rzędu. Natomiast dalsi sąsiedzi określani są jako sąsiedztwo drugiego, trzeciego i dalszych rzędów. Współczynniki autokorelacji globalne i lokalne pozwalają określić wielkość zależności przestrzennej, ale służą przede wszystkim do wnioskowania o strukturze przestrzennej. Wykorzystując globalne miary statystyki przestrzennej możemy określić istnienie reżimów przestrzennych, a w konsekwencji klasyfikować badane obiekty w klastry.

Article Details

Jak cytować
Pietrzykowski, R. (2020). WYKORZYSTANIE WSPÓŁCZYNNIKA MORANA DO KLASYFIKACJI OBIEKTÓW PRZESTRZENNYCH NA PRZYKŁADZIE CEN GRUNTÓW ROLNICZYCH. Metody Ilościowe W Badaniach Ekonomicznych, 21(3), 168–178. https://doi.org/10.22630/MIBE.2020.21.3.16
Bibliografia

Anselin L. (1992) Space and Applied Econometrics. Special Issue: Regional Science and Urban Economics 22.

Anselin L. (1995) Local Indicatiors of Spatial Association – LISA. Geographical Analysis 27(2), 93-115.

Anselin L. (2001) Spatial Econometrics. Oxford: Basil Blackwell.

Conover W. J. (1999) Practical Nonparametric Statistics (3rd ed.). New York: John Wiley and Sons.

Dunn O. J. (1964) Multiple Comparisons using Rank Sums. Technometrics, (6), 241-252.

Hanusz Z., Tarasińska J. (2014) On Multivariate Normality Tests using Skewness and Kurtosis. Colloquium Biometricum, 44, 139-148.

Hubert L. J., Golledge R. G., Costanzo C. M., Gale N. (1985) Measuring Association between Spatially Defined Variables: an Alternative Procedure. Geographical Analysis, 17.

Kopczewska K. (2020) Przestrzenne metody ilościowe w R: statystyka, ekonometria, uczenie maszynowe, analiza danych, Warszawa, CeDeWu.

Kruskal W. H. (1952) A Nonparametric Test for the Several Sample Problem. Annals of Mathematical Statistics, 23, 525-540.

Kruskal W. H., Wallis W. A. (1952) Use of Ranks in One-Criterion Variance Analysis. Journal of the American Statistical Association, 47, 583-621.

Mardia K. V. (1970) Measures of Multivariate Skewness and Kurtosis with Applications. Biometrica, 57, 519-530.

Moran P. (1948) The Interpretation of Statistical Maps. Journal of the Statistical Royal Society, Series B, 10, 243-251.

Mantel N. (1967) The Detection of Disease Clustering and Generalized Regression Approach. Cancer Research, 27.

Ord J. K., Getis A. (1995) Local Spatial Autocorrelation Statistics: Distributional Issues and an Application. Geographical Analysis, 27(4), 286-306.

Ord J. K., Getis A. (2012) Local Spatial Heteroscedasticity (LOSH). The Annals of Regional Science, 48, 529-539.

Pietrzykowski R. (2019) Zróżnicowanie przestrzenne cen ziemi rolniczej w Polsce. Warszawa, Wydawnictwo SGGW.

Wilcoxon F. (1945) Individual Comparisons by Ranking Methods. Biometrics, 1(6), 80-83.

Statystyki

Downloads

Download data is not yet available.