GeoDa中英文安装版(空间数据分析软件)

GeoDa中英文安装版(空间数据分析软件)是一款空间数据分析软件软件，officeba免费提供GeoDa中英文安装版(空间数据分析软件)下载，更多GeoDa中英文安装版(空间数据分析软件)相关版本就在officeba。

　　GeoDa是一款室内空间数据统计分析pc软件，能够 运用GeoDapc软件做空间自相关剖析，根据探寻和模型室内空间方式，GeoDa向客户给予了全新升级的室内空间数据统计分析角度，GeoDa能够 运作在Windows、MacOSX 和Linux系统软件上。

GeoDa中英文安装版(空间数据分析软件)pc软件详细介绍

　　GeoDa是一个完全免费、开源系统的室内空间数据统计分析pc软件。 根据探寻和模型室内空间方式，GeoDa向客户给予了全新升级的室内空间数据统计分析角度。

　　GeoDa是由 Luc Anselin 博士研究生和其精英团队开发设计的。 该程序流程给予了友善的操作界面及其丰富多彩的用以探究性室内空间数据统计分析（ESDA）的方式 ，例如空间自相关统计分析（spatial autocorrelation statistics）和基本上的室内空间多元回归分析（spatial regression analysis）。

　　从2003年2月GeoDa公布第一个版本号至今， GeoDa的用户数 加倍的提高。截至2017年6月，GeoDa的用户数早已超出了二十万。 包含哈佛大学，麻省理工大学、康奈尔等着名大学都是在试验室中安装并应用GeoDapc软件。GeoDapc软件获得了客户和新闻媒体普遍的五星好评，被称作“一个十分关键的分析工具”，“一款制做精湛的pc软件”，拥有“振奋人心的进度”。

　　GeoDa最新发布的版本号是1.14。最新版本包括了许多新的作用，例如：单自变量和多自变量的部分Geary聚类，集成化了经典的（非室内空间）聚类方式 （PCA，K-Means，Hierarchical聚类算法--详尽请参照Hoon et al‘s 2013 “C Clustering Library”）。与此同时GeoDa也适用大量的室内空间数据类型，适用时光（space-time）数据信息，适用包含Nokia和Carto给予的背景图（Basemap）表明，平均值较为数据图表（averages charts），散点图引流矩阵（scatter plot matrices），非主要参数的空间自相关图（nonparametric spatial autocorrelation--correlogram），及其灵便的数据标准化方式 （flexible data categorization）。

GeoDa中英文安装版(空间数据分析软件)pc软件特点

　　1.GeoDa适用大量的室内空间数据类型

　　引进GDALpc软件库后，GeoDa现阶段能够 适用多种多样矢量素材数据类型，包含：ESRI Shapefile、ESRI geodatabase、GeoJson、MapInfo、GML、KML等。与此同时GeoDa也可以从表格数据（如：.csv、.dbf、.xls、.ds）中根据制订座标数据信息（X，Y或是地理坐标）来建立点空间信息。

　　2.根据互相关系的地形图和数据图表探寻统计分析结果

　　与将初始大数据可视化为地形图的程序流程不一样，GeoDa致力于根据连接的地形图和数据图表探寻统计分析检测和实体模型的结果。

　　3.时光运作模式

　　您现在可以在新的时间在线编辑器中对同一自变量开展跨时间范围的排序，以探寻跨时光的统计分析方式。随后用时间播放软件探寻伴随着时间转变而转变的主视图的结果。

　　4.加上包含Nokia和CartoDB给予的背景图（Basemap）

　　假如你的空间信息是投射（.prj文档），你如今能够 在一切地形图主视图中加上一个基图，包含聚类算法图，以得到 更强的精准定位和路面评测结果。

　　5.时光数据信息的平均值较为

　　一个新的平均值数据图表较为在时间和/或室内空间上的平均值，并检测这种平均值的差别是不是明显。比如，最先挑选是不是要较为同一时间范围内选中的观测值与未选中的观测值的均值，或是较为不一样时间范围的全部观测值。随后，一个基本上的前-后/危害-操纵检测说明你的结果是不是在时间和空间上发生了转变（应用F检验和差别检测）。

　　6.检验多元化室内空间关联

　　根据散点图引流矩阵，能够 与此同时探寻好几个二变量的相关分析。在这个事例中，大家展现了旧金山市选中的、未选中的和全部警员大队的重归切线斜率，以探寻四种违法犯罪种类中间的关联。

　　7.检验随时间的转变在室内空间上集聚

　　应用全局性或部分差分信号Moran’s I检测来找到一个自变量在特殊地址的转变是不是与邻近地区的转变有应用统计学上的关联。比如，这一部分（LISA）聚类算法图表明了2002年至2008年期内纽约市的热点地区的少年儿童占比转变很大（而凉点的转变较小）。

　　8.单/多自变量的室内空间聚类

　　Luc Anselin（2017）近期用一个新的室内空间关系的部分指标值对Geary的c开展了拓展。这被运用到荷兰 “社会道德统计分析 ”的经典数据（Guerry，1833）中，表明出识字率的明显多少室内空间市场集中度（下左图）和资产违法犯罪与识字率的明显关系（下图）。

　　9.集成化经典的数据信息聚类方法剖析空间信息

　　如今，你能用几类经典的非室内空间聚类算法技术性制作方式，包含主成分分析法（下左图）、k-means（右上图）和层次聚类（右下面的图）。应用与上例中同样的数据信息，下边的地形图表明了资产违法犯罪、识字率的部分聚类算法。

　　10.检验室内空间关联性界限阀值

　　非主要参数空间自相关检测（corlogram）现在可以用于明确邻近对的值不会再有关时的间距阀值。

　　11.探寻多种多样空间信息归类

　　根据新的类型在线编辑器，您能够 探寻您的结果对归类数据信息的阀值转变的敏感性。在这个事例中，标准图（右）中的阀值是根据能够 在类型在线编辑器（左）中调节的类型。