1.2 Risk_detector Risk_detector其实就是判断两个子区域间的属性均值是否有显著的差别,用t统计量来检验,这个容易理解,不多解释了。软件结果如下,第一张表是各个type类别的均值,第二张表就是对应factor的两个类别间有没有显著性差异。 1.3 Ecological_detector 生态检测用于比较两因子 X1和 X2对属性 Y的空间分布...
风险探测器 :用于判断不同区域的属性均值是否具有显著性。RiskDetector_result 属性表数据集为风险区探测结果。实例下面利用地理探测器功能对某县神经管畸形出生缺陷(NTDs)发生率进行分析,环境因子变量包括:土壤类型、高程、水文流域。下图为环境因子分析的数据示意:分析...
接下来是“Interaction_detector”,其意为交互作用探测,评估每两个自变量共同作用时,是否会增加或减弱对因变量的解释能力。这里一共会有5个结果,从左到右分别为非线性减弱、单因子非线性减弱、双因子增强、独立、非线性增强。如下图,我得到的结果(紫色部分)位于第3个,也就是双因子增强。 接下来是“Risk_detector...
risk_detector,ecological_detector geodetector 前四个功能实现因子检测器,交互检测器,风险检测器和生态检测器的算法,可以使用表数据计算,例如,可以计算 CSV格式(表1)。最后一个函数GeoDetector是一种辅助功能,可用于实现Shapefile格式映射数据的计算(图2)。 incidencewatershedsoiltypeelevation 7.20 2 3 6 7.01 2 3 ...
接下来是“Risk_detector”,其意为风险区探测,用于判断每两个子区域(也就是每一个自变量所分的每一种类别)之间属性值是否有显著差别。 最后一个是“Ecological_detector”,其意为生态探测,比较每两个自变量对因变量的空间分布的影响是否有显著的差异。
风险探测器:用于判断不同区域的属性均值是否具有显著性。RiskDetector_result 属性表数据集为风险区探测结果。 生态探测器:用于比较不同影响因子对属性值的空间分布的影响是否有显著的差异。EcologicalDetector_result 属性表数据集为生态探测结果。 1.6 适用条件 ...
接下来是“Risk_detector”,其意为风险区探测,用于判断每两个子区域(也就是每一个自变量所分的每一种类别)之间属性值是否有显著差别。 最后一个是“Ecological_detector”,其意为生态探测,比较每两个自变量对因变量的空间分布的影响是否有显著的差异。
接下来是“Risk_detector”,其意为风险区探测,用于判断每两个子区域(也就是每一个自变量所分的每一种类别)之间属性值是否有显著差别。 最后一个是“Ecological_detector”,其意为生态探测,比较每两个自变量对因变量的空间分布的影响是否有显著的差异。
接下来是“Risk_detector”,其意为风险区探测,用于判断每两个子区域(也就是每一个自变量所分的每一种类别)之间属性值是否有显著差别。 最后一个是“Ecological_detector”,其意为生态探测,比较每两个自变量对因变量的空间分布的影响是否有显著的差异。 以上四个指标,便是地理探测器所得到的不同分析结果。我这里...
“Risk_detector”,其意为风险区探测,用于判断每两个子区域(也就是每一个自变量所分的每一种类别)之间属性值是否有显著差别。 “Ecological_detector”,其意为生态探测,比较每两个自变量对因变量的空间分布的影响是否有显著的差异。 引用 [1] Wang JF, Li XH, Christakos G, Liao YL, Zhang T, Gu X & ...