El conjunto de datos que estoy usando contiene datos de ingresos por área. Los valores no se distribuyen normalmente como se muestra en el siguiente diagrama. Global Moran's I indica patrones espaciales significativos y Local Moran's I encuentra puntos calientes y fríos significativos (de acuerdo con el valor p). Cuando reviso el puntaje z, resulta que los puntos fríos no alcanzan niveles significativos. ¿Podría esto ser debido a la distribución de los valores del ingreso? ¿Hay algo que deba hacer de manera diferente? Tal vez use el ingreso de registro?
¿O puedo simplemente ignorar la puntuación z siempre que los valores p estén bien (= significativo, <0.05)?
(Usando PySAL para calcular tanto el Moran's global como el local).
Aquí está el histograma de ingresos de registro:
Actualizar:
Recientemente adquirí otro conjunto de datos de ingresos de un país diferente en el que los valores de los ingresos se distribuyen normalmente. Los cálculos locales de Moran's I para este conjunto de datos resultan en puntos calientes y fríos significativos de acuerdo con el valor p y el puntaje z:
Respuestas:
Según tengo entendido ... y me encantaría que me corrigieran ... los Morans locales I buscan la autocorrelación espacial en valores locales (es decir, en relación con las áreas adyacentes), como una versión GeoWeighted de Global Morans I. En comparación con decir Gettis Ord, que identifica grupos espaciales de valores extremos globales.
Si es así, el resultado parecería estar de acuerdo con su mapa, Z significativo para la pequeña región de ingresos muy altos, mientras que el área azul es solo una cuenca amplia dentro de una superficie local más gradual.
Entonces, la importancia del valor Z depende si solo busca grupos de ingresos altos y bajos, o si busca grupos con límites pronunciados, por ejemplo, si compara la desigualdad de ingresos real frente a la percibida.
fuente