空间数据科学免费软件地理达GeoDa

地理达GeoDa 1.18 介绍

GeoDa 是一种免费的开源软件工具，可作为空间数据科学的介绍。它旨在通过探索和建模空间模式来促进从数据分析中获得新见解。

GeoDa 是由Luc Anselin博士和他的团队开发的。该程序为探索性空间数据分析 (ESDA) 方法提供了一个用户友好的图形界面，例如聚合数据（数千条记录）的空间自相关统计，以及点和多边形数据（数万条记录）的基本空间回归分析。记录）。要在 GeoDa 中处理大数据，首先应将其聚合为区域单位。

自 2003 年 2 月首次发布以来，GeoDa 的用户数量呈指数增长，超过 360,000（2020 年 9 月）。这包括哈佛大学、麻省理工学院和康奈尔大学等大学的实验室用户。用户 区和媒体热情地接受了该程序，称其为“非常重要的分析工具”、“非常好的软件”和“令人兴奋的开发”。

最新版本 1.18 包含多层支持、几个新的本地集群功能，包括单变量和多变量本地 Geary 集群映射、redcap、skater、谱集群和 max-p，以及用于分类数据的本地连接计数映射。它还实现了在Hoon 等人 (2013) C Clustering Library以及 HDBScan 中实现的几种经典非空间聚类技术（主成分分析、k 均值和层次聚类）。

地理达

Mac OSX El Capitanwindows 7/8/10Ubuntu 14.04??

GeoDa 在 Windows、MacOSX 和 Linux (Ubuntu) 上运行

GeoDa 现在支持更多空间数据格式

GeoDa 现在支持更多不同格式的矢量数据 ：您可以使用 shapefile、地理数据库、GeoJSON、MapInfo、GML、KML 和 GDAL 库支持的其他矢量数据格式。该程序还将表格格式（.csv、.dbf、.xls、.ods）中的坐标转换为这些空间数据格式之一，并在不同文件格式（例如 .csv 到 .dbf 或 shapefile 到 GeoJSON）之间转换数据。现在也可以选择一个子集并将其导出为新文件。

现在有了多层支持！

第一次，您现在可以将附加图层加载到 Geoda 中以进行可视化。分析仍将在您首先加载的图层上进行。在此示例中，地图显示了住宅区的公交通道，公交站点位置作为附加层。

通过链接的地图和图表探索统计结果

与在地图中可视化原始数据的程序相比，GeoDa 侧重于通过链接的地图和图表探索统计测试和模型的结果。

跨链接视图分析空间和时间模式

带底图的真实地图结果

如果您的空间数据被投影（.prj 文件），您现在可以将底图添加到任何地图视图，包括聚类地图，以获得更好的方向和地面真实结果。

比较跨时间和空间的平均值

新的平均值图表比较了随时间和/或空间取平均值的值，并测试这些平均值的差异是否显着。例如，首先选择是要比较同一时间段内选定观测值与未选定观测值的均值，还是比较不同时间段内的所有观测值。一个基本的前后/影响控制测试然后表明您的结果是否随时间和空间变化（使用 F 测试和差异中的差异测试）。

检测多元空间中的关系

散点图矩阵允许您一次探索多个二元相关性。在此示例中，显示了旧金山选定、未选定和所有警区的回归斜率，以探索四种犯罪类型之间的关系。

查找具有统计意义的空间聚类

GeoDa 长期以来一直支持空间自相关的单变量和双变量局部检验，如局部 Moran。现在该程序还包括本地 G/G*，以及用于分类数据的各种本地连接计数统计。在此示例中，本地 Moran 集群地图在 2012 年和 2016 年总统选举（左）中确定了美国中部地区更高的共和党选票百分比。托管连接计数图（右上）显示了这两年中哪些高聚类值在空间上重叠，而差异局部莫兰图则显示了 2016 年和 2012 年（右下）之间百分比点差异的聚类。

比较一组空间约束聚类技术

GeoDa 现在有许多新技术来识别具有空间约束的聚类，包括 skater、redcap、max-p、k-means、k-median、k-medoids 和光谱聚类。以下是一些示例，说明 2008-2009 年纽约的外国出生的白人居民、外国出生的西班牙裔居民和月租金中位数是如何聚集的。

确定随时间的变化是否在空间上聚类

使用全局或局部微分 Moran’s I 检验找出给定位置中变量随时间的变化是否与其相邻位置的变量在统计上相关。例如，这张本地 (LISA) 集群地图显示了 2002 年至 2008 年期间纽约儿童比例变化较大的热点（以及变化较小的冷点）。

测试多个变量是否在空间中聚集

Luc Anselin (2017)最近使用新的空间关联局部指标扩展了 Geary 的 c。这适用于法国“道德统计”的经典数据集（Guerry，1833 年），以显示识字率的显着高和低空间集中度（左图）以及财产犯罪和识字率的显着关联（右图）。

非空间聚类统计的地图模式

您现在可以映射几种经典非空间聚类技术的模式，包括主成分分析（左图）、k 均值（右上）、层次聚类（右下）和多维缩放。使用与上例相同的数据，下面的地图显示了财产犯罪、识字率和自杀的本地集群。

找到空间相关性结束的阈值

当相邻对的值不再相关时，非参数空间自相关测试（相关图）现在可用于确定距离阈值。

探索灵活数据分类的影响

依赖关系

GeoDa 是在 GPL 许可下发布的。它建立在几个开源库和源代码文件之上。以下是我们要确认的关键项目列表。

关键词链接：geoda

了解软件下载？关键词回复：geoda