O conjunto de dados que estou usando contém dados de renda por área. Os valores não são normalmente distribuídos conforme mostrado no diagrama a seguir. O I global de Moran indica padrões espaciais significativos e o I local de Moran encontra pontos quentes e frios significativos (de acordo com o valor-p). Quando verifico o z-score, os pontos frios não atingem níveis significativos. Isso pode ser devido à distribuição dos valores de renda? Existe algo que eu deva fazer diferente? Talvez use a receita do log?
Ou posso simplesmente ignorar o escore z, desde que os valores de p sejam bons (= significante, <0,05)?
(Usando PySAL para calcular I. global e local de Moran.)
Aqui está o histograma da receita do log:
Atualizar:
Recentemente, adquiri outro conjunto de dados de renda de um país diferente no qual os valores de renda são normalmente distribuídos. Os cálculos I de Moran local para este conjunto de dados resultam em pontos quentes e frios significativos de acordo com o valor de p e o escore z:
Respostas:
Pelo que entendi .. e ficaria feliz em ser corrigido .. os Morans locais, procuro autocorrelação espacial em valores locais (isto é, relativos às áreas adjacentes), como uma versão GeoWeighted do Global Morans I. Em comparação com digamos Gettis Ord, que identifica grupos espaciais de valores extremos globalmente.
Nesse caso, o resultado parece estar de acordo com o seu mapa, Z significativo para a pequena região de renda muito alta, enquanto a área azul é apenas uma bacia ampla dentro de uma superfície local mais gradual.
Portanto, a importância do valor de Z depende se você está apenas procurando grupos de renda alta e baixa ou procurando grupos com limites acentuados, por exemplo, se comparar desigualdade de renda real versus percebida?
fonte