Dataset yang saya gunakan berisi data pendapatan per area. Nilai-nilai tidak terdistribusi normal seperti yang ditunjukkan pada diagram berikut. Global Moran's I menunjukkan pola spasial yang signifikan dan Local Moran's I menemukan titik-titik panas dan dingin yang signifikan (menurut nilai-p). Ketika saya memeriksa skor-z, ternyata titik dingin tidak mencapai level yang signifikan. Mungkinkah ini disebabkan oleh distribusi nilai pendapatan? Adakah yang harus saya lakukan secara berbeda? Mungkin menggunakan penghasilan log?
Atau bisakah saya mengabaikan nilai-z selama nilai-p baik-baik saja (= signifikan, <0,05)?
(Menggunakan PySAL untuk menghitung I. Global dan Local Moran)
Inilah histogram penghasilan log:
Memperbarui:
Baru-baru ini saya memperoleh kumpulan data pendapatan lain dari negara lain tempat nilai pendapatan terdistribusi secara normal. Perhitungan I Moran lokal untuk dataset ini menghasilkan titik panas dan dingin yang signifikan menurut nilai-p dan skor-z:
sumber
Jawaban:
Seperti yang saya pahami .. dan saya akan senang untuk dikoreksi .. Moran lokal saya mencari autokorelasi spasial dalam nilai-nilai lokal (yaitu relatif terhadap daerah yang berdekatan), hampir seperti versi Global Morans dari GeoWeighted I. Dibandingkan dengan mengatakan Gettis Ord yang mengidentifikasi cluster spasial dari nilai-nilai ekstrem global.
Jika demikian, hasilnya tampaknya sesuai dengan peta Anda, Z signifikan untuk wilayah kecil dengan pendapatan sangat tinggi, sedangkan area biru hanya cekungan luas dalam permukaan lokal yang lebih bertahap.
Jadi pentingnya nilai Z tergantung jika Anda hanya mencari kelompok berpenghasilan tinggi dan rendah, atau mencari kelompok dengan batas curam misalnya jika membandingkan ketimpangan pendapatan aktual vs yang dirasakan?
sumber