Autocorrelazione Spaziale Misure: I di Moran C di Geary Autocorrelazione Spaziale Prima legge della geografia • “ogni cosa è collegata a tutte le altre, ma cose vicine sono più collegate che non cose lontane”– Waldo Tobler Autocorrelazione spaziale • Correlazione di una variabile con sé stessa nello spazio – Se si può individuare qualche pattern caratteristico di localizzazione di una variabil, allora c’è AUTOCORRELAZIONE – Se aree vicine sono più simili di quelle lontane allora AUTOCORRELAZIONE POSITIVA – Se aree vicine sono più diverse di quelle lontane AUTOCORRELAZIONE NEGATIVA – Se pattern casuali: CORRELAZIONE =0 Perché è importante • Modelli della crescita • Misura quanto il verificarsi di un certo evento in un’area, modifica la probabilità che lo stesso evento si verifichi in un’area vicina • Molte statistiche assumono dati indipendenti, la presenza di autocorrelazione spaziale viola questa assunzione (esempio stime OLS) Indice I di Moran • Uno dei più “vecchi” (Moran, 1950). Tuttavia ancora un riferimento usatissimo per misurare l’autocorrelazione spaziale • Richiede variabili quantitative • Compara i valori di ciascuna area con tutte le altre I N i j Wi , j ( X i X )( X j X ) (i j Wi , j )i ( X i X ) 2 I N i j Wi , j ( X i X )( X j X ) (i j Wi , j )i ( X i X ) 2 Dove N = numero delle aree Xi = valore della variabile X nell’area i Xj = valore della variabile X nell’area j Wij = peso legato alla distanza i-j I di Moran • Per i pesi Wij due opzioni: – Matrice di adiacenze: se l’area i confina con l’area j Wij =1, altrimenti Wij =0 – Matrice di vicinanza spaziale: Wij = (1/dij), inverso della distanza i-j • E simile al cofficiente di correlazione di Pearson, varia tra –1.0 e + 1.0 Inferenza su I • Si presta ad un test-t (o z) poiché è possibile stimare la standard deviation t I SE(I ) N 2 ij wij 3(ij wij ) 2 N i ( j wij ) 2 2 S E ( I ) SQRT [ ( N 1)( ij wij ) 2 2 ] Esempio 1 Reddito pro-capite (contea di Monroe) Using Polygons: Morans I: .66 P: < .001 Using Points: I: .12 t: 65 Esempio 2 variabile casuale Using Polygons: Moran’s I: .012 p: .515 Using Points: Moran’s I: .0091 t: 1.36 C di Geary • Simile a I di Moran (Geary, 1954) • L’interazione misurata non è il prodotto degli scarti dalla media, ma le differenze tra i valori delle x tra tutte le aree C [( N 1)[i j Wij ( X i X j ) 2 ] 2(i j Wij ( X i X ) 2 C C di Geary [( N 1)[i j Wij ( X i X j ) 2 ] 2(i j Wij ( X i X ) 2 • E’ compreso tra 0 e 2 • 1 indica assenza di correlazione, tra 0 e 1 indica correlazione POSITIVA, tra 1 e 2 correlazione NEGATIVA • Inverso rispotto a I • Non determina le stesse inferenze di I, poiché enfatizza le differenze in valore tra aree, non la co-variabilità rispetto al valore medio • I di Moran è un indicatore puù stabile “globalmente”, C è molto più sensibile alle differenze in piccoli intorni di aree