La autocorrelación espacial en SIG ayuda a entender el grado en que un objeto es similar a otros objetos cercanos. El I (Índice) de Moran mide la autocorrelación espacial.
El geógrafo Waldo R. Tobler’s declaró en la primera ley de geografía:
«Todas las cosas están relacionadas, pero las cosas cercanas están más relacionadas que las distantes.»
La definición de autocorrelación espacial mide la cantidad de objetos cercanos en comparación con otros objetos cercanos. El I de Moran puede ser clasificado como positivo, negativo y sin autocorrelación espacial.
La autocorrelación espacial positiva es cuando valores similares se agrupan en un mapa.
La autocorrelación espacial negativa es cuando valores disímiles se agrupan en un mapa.
¿Por qué es importante la autocorrelación espacial?
Una de las principales razones por las que la autocorrelación espacial es importante es que las estadísticas se basan en observaciones independientes entre sí. Si existe autocorrelación en un mapa, entonces esto infringe el hecho de que las observaciones son independientes unas de otras.
Otra aplicación potencial es el análisis de conglomerados y dispersión de ecología y enfermedades.
¿Es la enfermedad un caso aislado o se propaga con dispersión?
Estas tendencias pueden entenderse mejor utilizando el análisis de autocorrelación espacial.
Ejemplo de autocorrelación espacial positiva
La autocorrelación espacial positiva ocurre cuando el I de Moran está cercano a +1. Esto significa que los valores se agrupan. Por ejemplo, los conjuntos de datos de elevación tienen valores de elevación similares cercanos entre sí.
Ejemplo de autocorrelación espacial negativa
La autocorrelación espacial negativa ocurre cuando el I de Moran está cerca de -1. Un tablero de ajedrez es un ejemplo donde el I de Moran es -1 porque los valores disímiles están uno al lado del otro. Un valor de 0 para el I de Moran típicamente indica que no hay autocorrelación.
Utilizando la herramienta de autocorrelación espacial de ArcGIS, el patrón del tablero de ajedrez genera un índice de Moran de -1.00 con una puntuación z de -7.59.
(Recuerde que el z-score indica el significado estadístico dado el número de características en el conjunto de datos).
Este patrón del tablero de ajedrez tiene menos de 1% de probabilidad de que sea el resultado de una elección aleatoria. Si desea probar esta técnica estadística, pruebe el software GeoDa para esto y mucho más.
¿Qué es lo siguiente?
La autocorrelación espacial indica si hay agrupamiento o dispersión en un mapa. Mientras que un I positivo de Moran insinúa que los datos están agrupados, un I negativo de Moran implica que los datos están dispersos.
Traducido de: GISGeography
