检测空间异常值：局部影响函数的作用

在大型空间数据集的分析中，识别和处理空间异常值对于准确解释地理现象至关重要。虽然空间相关性度量，特别是局部空间关联指标(LISA)，被广泛用于检测空间模式，但异常观测的存在常常扭曲景观并隐藏关键的空间关系。由于数据中固有的空间依赖性，这些异常值会显著影响分析。传统的影响函数(IF)方法在统计分析中常用于衡量单个观测的影响，但无法直接应用于空间情境，因为一个观测的影响不仅取决于其自身值，还取决于其空间位置、与邻近区域的联系以及这些邻近观测的值。在本文中，我们引入了考虑这些空间依赖性的局部版本影响函数(LIF)。通过对模拟和真实数据集的分析，我们展示了与传统的LISA度量和局部影响评估相比，LIF如何提供更细致、更准确的空间异常值检测，从而增进我们对空间模式的理解。