İstatistik Sözlüğü → Getis-Ord Gi* Hotspot
Getis-Ord Gi* Hotspotanaliz
Her konum için, o konum ve komşularındaki değerlerin toplamının alan genelinde beklenenden anlamlı biçimde yüksek (sıcak nokta) ya da düşük (soğuk nokta) olup olmadığını bir z-skoruyla gösteren yerel kümelenme istatistiği.
Kavram
Tek bir yüksek değer bir sıcak nokta değildir; önemli olan, yüksek değerlerin bir arada bulunmasıdır. Gi* her birimin çevresine bir pencere koyar: birim ve komşularının değerlerini toplar ve bu yerel toplamı, değerler alana rastgele dağılmış olsaydı beklenecek toplamla karşılaştırır. Fark bir z-skoru olarak ifade edilir: büyük pozitif z yüksek değerlerin kümelendiği sıcak noktayı, büyük negatif z düşük değerlerin kümelendiği soğuk noktayı gösterir.
Yıldızlı Gi*, odak birimin kendi değerini de toplama katar; yıldızsız Gi ise yalnızca komşulara bakar. Komşuluk k en yakın komşu, sabit bir uzaklık bandı ya da uzaklıkla azalan ağırlıklarla tanımlanabilir. Anlamlılık analitik yaklaşımla ya da değerlerin konumlar arasında karıştırıldığı permütasyonlarla hesaplanır. Değer sütunu olmadığında noktalar önce altıgen hücrelere sayılabilir ve Gi* bu sayımlar üzerinde çalışır; böylece olay noktalarında da sıcak noktalar aranabilir.
Moran's I'dan farkı, Gi*'ın yüksek-düşük karışımını değil, yalnızca yüksek değer ve düşük değer kümelerini ayırt etmesidir; çevresinden farklı tek tek aykırı birimleri göstermez. Her birim ayrı bir test olduğundan çoklu karşılaştırma düzeltmesi önemlidir. Sonuç komşuluk ölçeğine duyarlıdır; ölçek seçimi kuramsal bir gerekçeye ya da uzaklığa göre mekânsal otokorelasyon profiline (ISA) dayanmalıdır. Sayımlarda nüfus ya da risk altındaki büyüklük farkları ayrıca düşünülmelidir.
Ne zaman kullanılır?
- Suç, hastalık, fiyat ya da yoğunluk gibi bir değişkende istatistiksel olarak anlamlı yüksek değer ve düşük değer bölgelerini haritalamak için.
- Kümelenmenin yanında çevresinden farklı aykırı birimler (yüksek-düşük, düşük-yüksek) de aranıyorsa yerel Moran (LISA); tüm alan için tek bir kümelenme ölçüsü isteniyorsa küresel Moran's I kullanılır.
- Yalnızca yoğunluğun görsel bir yüzeyi yeterliyse KDE; noktaların ayrı kümelere atanması isteniyorsa DBSCAN tercih edilir.
Gündelik bir örnek
Bir emlak araştırmacısı, kentteki 500 kiralık dairenin aylık kira bedelini haritalıyor. Deniz kenarında tek tük pahalı daireler var, ama asıl soru pahalı dairelerin belirli semtlerde toplanıp toplanmadığı. Gi*, her dairenin çevresindeki en yakın sekiz dairenin kiralarını toplar ve kentin ortalamasıyla karşılaştırır: sahil şeridindeki bir bölge z = 4,8 ile güçlü bir sıcak nokta, sanayi bölgesine yakın bir mahalle ise z = −3,9 ile soğuk nokta çıkar. Sahilde yalnızca bir pahalı dairenin bulunduğu, çevresi ucuz bir sokak ise sıcak nokta sayılmaz.
MerQur'da parametreler
Sınıflandır / Yöntem
Kavram: Sınıflandır, noktaları analizden önce kategorik bir sütuna göre renklendiren bir veri keşfi adımıdır; Yöntem harita sekmesinde çalıştırılacak mekânsal analizi seçer. Gi*, yüksek ve düşük değerlerin nerede anlamlı biçimde kümelendiğini sınar.
Gündelik örnek: Daireler 'eşyalı' ve 'eşyasız' diye renklendirilirse eşyalı dairelerin belirli semtlerde toplanıp toplanmadığı önceden görülür. 'Kiralar nerede anlamlı biçimde yüksek?' sorusu için Gi* seçilir.
Ne işe yarar: Sınıflandır noktaları kategoriye göre renklendirir (veri keşfi); Yöntem harita yöntemini seçer.
Sonuca etkisi: Sayısal çıktıyı değiştirmez.
K komşu (varsayılan 8)
Kavram: Her noktanın yerel toplamına kaç en yakın komşunun katılacağını belirler; bu, sıcak noktanın aranacağı ölçektir. Küçük k dar ve keskin kümeler, büyük k daha geniş ama daha az ayrıntılı bölgeler bulur.
Gündelik örnek: k = 8 ile her dairenin çevresindeki birkaç sokaklık bölgeye bakılır ve sahildeki küçük pahalı adacıklar görünür. k = 20 ile semt ölçeğine çıkılır; sıcak nokta bütün sahil şeridini kaplayan geniş bir alan olur.
Ne işe yarar: "k en yakın komşu" ağırlığında her noktanın komşu sayısını belirler.
Sonuca etkisi: Gi* z-skorlarını ve sıcak/soğuk sayısını değiştirir.
Doğrulama verisinde: Boston'da (analitik) k = 8 için sıcak 82, soğuk 112; k = 20 için 113 ve 149. k = 3'te graf bağlantısızdır: MerQur k'yi 5'e çıkarır ve notta yazar (77 ve 92).
α (alfa) ve çoklu karşılaştırma düzeltmesi (Yok, FDR (Benjamini-Hochberg), Bonferroni)
Kavram: α, bir noktanın sıcak ya da soğuk nokta sayılması için gereken anlamlılık eşiğidir. Her nokta ayrı test edildiğinden, düzeltme yapılmazsa gerçek bir küme olmadan da bazı noktalar şans eseri anlamlı çıkar; FDR yanlış pozitiflerin anlamlılar içindeki oranını, Bonferroni ise herhangi bir yanlış pozitif olasılığını denetler.
Gündelik örnek: 500 dairenin her biri %5 düzeyinde test edilirse, hiçbir gerçek desen olmasa bile yaklaşık 25 daire anlamlı çıkabilir. FDR ile haritada kalan sıcak noktaların çok büyük bölümünün gerçek olduğuna daha çok güvenilir.
Ne işe yarar: Anlamlılık eşiğini ve düzeltme yöntemini belirler; her nokta ayrı test edildiğinden yanlış pozitifleri sınırlar.
Sonuca etkisi: Sıcak/soğuk nokta sınıflarını değiştirir; z değişmez.
Doğrulama verisinde: alfa 0.01, 0.05, 0.10 için sıcak nokta 63, 82, 95. alfa 0.05'te FDR ile sıcak/soğuk 67 ve 87, Bonferroni ile 23 ve 31.
Permütasyon (0 analitik, 99, 999, 9999) ve Tohum
Kavram: Permütasyon testi, odak noktanın değeri sabit tutulurken öteki değerleri konumlar arasında rastgele karıştırarak 'desen yoksa Gi* ne olurdu?' dağılımını üretir; analitik yöntem ise normal yaklaşıma dayanır. Elde edilebilecek en küçük p değeri 1/(M + 1)'dir; tohum, aynı karışımların yeniden üretilmesini sağlar.
Gündelik örnek: Bir sahil dairesinin çevresindeki kira toplamı 999 rastgele karışımın hiçbirinde aşılmadıysa p = 0,001 olur. Rapor aynı tohumla yeniden çalıştırıldığında aynı sıcak noktalar bulunur; tohum değişince sınırdaki birkaç dairenin sınıfı değişebilir.
Ne işe yarar: 0 iken analitik p; 0'dan büyükse koşullu permütasyonla katlanmış p (en küçük 1/(M + 1)). Tohum aynı sonucu yeniden üretmeyi sağlar. Ters uzaklıkta permütasyon kullanılmaz.
Sonuca etkisi: p değerlerini ve dolayısıyla sıcak/soğuk sayılarını etkiler; z değişmez.
Doğrulama verisinde: 999 permütasyonda (tohum 20261012) sıcak 82, soğuk 127; 99 permütasyonda 64 ve 110 (20 tohumda 64-87 ve 103-135).
Toplulaştır ([Parametreler] onay kutusu) ve Izgara (x yönünde altıgen)
Kavram: Değer sütunu yokken olay noktaları altıgen hücrelere sayılır ve Gi* bu hücre sayımları üzerinde hesaplanır; noktası olmayan hücreler 0 olarak katılır. Böylece 'olaylar nerede anlamlı biçimde yoğun?' sorusu yanıtlanır; ızgara sayısı hücre boyutunu, yani analizin ölçeğini belirler.
Gündelik örnek: Araştırmacı kira yerine konut hırsızlığı olaylarının konumlarını incelerse her olayın bir değeri yoktur. Olaylar altıgenlere sayılır ve hırsızlığın çok olduğu hücrelerin yan yana toplandığı bölgeler sıcak nokta olarak çıkar.
Ne işe yarar: Değer sütunu olmadan olay sayımı yapar: noktalar altıgenlere sayılır, dışbükey zarf içindeki boş hücreler 0 olarak eklenir ve Gi* hücre sayımları üzerinde altıgen bitişikliğiyle hesaplanır (ArcGIS Optimized Hot Spot benzeri).
Sonuca etkisi: Analiz birimini noktadan hücreye çevirir; değer sütunu kullanılmaz.
Doğrulama verisinde: Izgara 15 için 199 hücre, 21 sıcak ve 0 soğuk; ızgara 30 için 757 hücre, 71 ve 0.
Komşuluk (k en yakın komşu, Sabit uzaklık bandı, Ters uzaklık (bant içi)) ve Uzaklık bandı (km)
Kavram: Komşuluk, hangi birimlerin yerel toplama katılacağını tanımlar: k en yakın komşu her birime aynı sayıda komşu verir; sabit uzaklık bandı belirli bir uzaklık içindeki herkesi eşit ağırlıkla alır; ters uzaklık ise bant içindeki yakın birimlere daha çok ağırlık verir. Bandın, olgunun etkili olduğu mesafeyi yansıtması beklenir.
Gündelik örnek: Kiraları en çok 1 km içindeki konutların etkilediği düşünülüyorsa bant 1 km seçilir. Yoğun merkezde bu bant bir dairenin onlarca komşusu olmasını, seyrek kenar mahallelerde ise birkaç komşusu olmasını sağlar; k en yakın komşu ise her yerde aynı sayıda komşu alır.
Ne işe yarar: Uzaklık bandı d <= eşik olan komşulara ağırlık 1 verir; ters uzaklık bant içinde 1/d kullanır. Eşik girilmezse her noktanın en az bir komşusu olacak en küçük bant kullanılır. Uzaklıklar yerel eşdikdörtgen düzlemde (km) ölçülür.
Sonuca etkisi: Komşuluk yapısını, dolayısıyla tüm Gi* değerlerini değiştirir.
Doğrulama verisinde: Boston otomatik bant 3.968 km; 30.01, 60.01 ve 90.01 eşiklerinde sabit uzaklık bandı komşulukları kurulur.
Gi* / Gi (onay kutusu)
Kavram: Gi*, odak birimin kendi değerini de yerel toplama katar ve 'bu birim ve çevresi birlikte yüksek mi?' sorusunu yanıtlar. Gi ise odak birimi dışarıda bırakır ve 'bu birimin çevresi yüksek mi?' sorusunu yanıtlar.
Gündelik örnek: Çok pahalı tek bir villa, Gi* ile kendi değeri yüzünden çevresiyle birlikte yüksek bir toplam üretebilir. Gi ise yalnızca villanın komşularına bakar; komşular sıradan kiralıksa o nokta sıcak nokta çıkmaz.
Ne işe yarar: İşaretliyse Gi* (odak nokta dahil, ArcGIS Hot Spot); kaldırılırsa odak noktanın kendi değeri toplamdan çıkarılır (Gi).
Sonuca etkisi: z-skorlarını değiştirir.
Doğrulama verisinde: Gi için 75 sıcak ve 107 soğuk (Gi*: 82 ve 112).
Gi_Bin (onay kutusu)
Kavram: Gi_Bin, z-skorlarını güven düzeyine göre sınıflara ayırır: ±3 %99, ±2 %95, ±1 %90 güvenle sıcak ya da soğuk nokta, 0 anlamsız. Böylece harita yalnızca 'anlamlı / anlamsız' değil, kanıtın gücünü de gösterir.
Gündelik örnek: Kira haritasında sahil şeridinin çekirdeği +3, kenarları +1 sınıfında çıkabilir. Belediye 'en güvenilir sıcak noktalar' için yalnızca +3 sınıfına bakabilir.
Ne işe yarar: ArcGIS Gi_Bin sınıflarını verir: +-3 = %99, +-2 = %95, +-1 = %90 güvenle sıcak/soğuk (düzeltilmiş p'ye göre), 0 = anlamsız.
Sonuca etkisi: Haritada güven düzeyine göre renk sınıfları gösterir; z ve p değişmez.
Doğrulama verisinde: Boston'da analitik çalıştırmada (sıcak 82, soğuk 112) -3: 76, -2: 36, -1: 13, 0: 286, +1: 13, +2: 19, +3: 63; 999 permütasyonlu çalıştırmada (sıcak 82, soğuk 127) -3: 100, -2: 27, -1: 15, 0: 253, +1: 29, +2: 27, +3: 55. Permütasyon p'si katlanmış tek kuyrukludur (esda), analitik p çift yönlüdür; sayılar bu nedenle ve çarpık dağılım yüzünden farklıdır.
ISA (onay kutusu)
Kavram: ISA (artımlı mekânsal otokorelasyon), küresel Moran's I'yı artan bir dizi uzaklık bandında hesaplar. z'nin tepe yaptığı uzaklık, kümelenmenin en belirgin olduğu ölçeği gösterir ve uzaklık bandı için bir başlangıç önerisidir.
Gündelik örnek: ISA grafiği z'nin yaklaşık 1,5 km'de tepe yaptığını gösteriyorsa kiralardaki kümelenme en çok bu ölçekte belirgindir. Araştırmacı uzaklık bandını 1,5 km seçerek sıcak nokta analizini bu ölçekte yapar.
Ne işe yarar: 10 uzaklık bandında global Moran's I z'sini (rastgeleleştirme) hesaplar; z'nin tepe yaptığı uzaklık uzaklık bandı için önerilir.
Sonuca etkisi: Gi* sonucunu değiştirmez; bant seçimi için ek tablo üretir.
Doğrulama verisinde: Boston'da tepe 6.227 km; kafes verisinde de ISA tablosu üretilir.
Değer (yok, sayısal sütun)
Kavram: Gi*'ın hangi sayısal değişken üzerinde hesaplanacağını belirler. Toplulaştırma kapalıyken gereklidir; açıkken nokta sayımları kullanıldığından değer sütunu gerekmez.
Gündelik örnek: Aylık kira sütunu seçildiğinde analiz kira bedellerinin kümelenmesine bakar. Metrekare başına kira seçilseydi, büyük dairelerin pahalı görünmesinin etkisi ayıklanmış olurdu.
Ne işe yarar: Gi* için analiz edilen değişkeni seçer; toplulaştırma kapalıyken zorunludur (seçilmezse "bir değer sütunu seçilmelidir" uyarısı).
Sonuca etkisi: Tüm Gi* z-skorlarını belirler.
Doğrulama verisinde: Varsayılan çalıştırmada CMEDV.
Gerçek veride örnek
Veri: Harrison ve Rubinfeld 1978, spData boston
Değişkenler: 506 sayım bölgesi merkezi (enlem/boylam), değer CMEDV (konut değeri); tohum 20261012
- Soru: Boston'da konut değeri (CMEDV) yüksek ve düşük bölgeler mekânda kümeleniyor mu?
- Yöntem: Getis-Ord Gi*; k = 8 en yakın komşu + noktanın kendisi, ikili ağırlık; p 999 koşullu permütasyonla.
- Sonuç: 82 sıcak nokta (yüksek değer kümesi) ve 127 soğuk nokta (düşük değer kümesi) p < .05 düzeyinde anlamlı; 297 nokta anlamsız.
- Etki büyüklüğü: z değerleri -4.99 ile 5.27 arasındadır; en güçlü kümeler (Gi_Bin ±3, p < .01) 55 sıcak ve 100 soğuk noktadır.
- Sınırlılık: 506 ayrı test yapılır; düzeltme (FDR) seçilmediğinde bazı noktalar tesadüfen anlamlı çıkabilir. Permütasyon p'leri tohuma bağlıdır.
- Rapor satırı: Gi* (k = 8, 999 permütasyon) 82 sıcak ve 127 soğuk nokta belirledi (p < .05).
İlgili kavramlar
Permütasyon p-değeriAnlamlılık düzeyi (α)Birinci ve ikinci tip hataYerel mekânsal ilişki göstergeleri (LISA) ve Gi*Mekânsal ağırlık matrisi (W)Mekânsal otokorelasyon (Moran I, Geary C)z-puanı (standartlaştırma)Ters uzaklık ağırlıklandırması (IDW)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.