¿Implementando la autocorrelación espacial usando QGIS o PostgreSQL o cualquier otra aplicación gratuita? [cerrado]

Soy nuevo en SIG.

Tengo dos capas en una base de datos PostgreSQL.
La primera capa contiene puntos donde ocurrieron eventos en Europa. El segundo contiene un shapefile de Europa.

He podido mapear los puntos en el mapa de Europa usando QGIS. Ahora me gustaría implementar la Autocorrealación espacial (Moran i).

He visto algunas demostraciones de esto usando GeoDA, pero parece que solo maneja un único archivo de forma.

¿Alguien puede señalarme en la dirección correcta sobre cómo implementar esto usando QGIS o PostgreSQL o cualquier otra aplicación gratuita?

Aprender haciendo es mi forma preferida. Y cuando se trata de estadísticas espaciales, R se está convirtiendo en una herramienta muy poderosa. Entonces, si esta es una opción, explore algunos materiales del curso, descargue los datos y pruébelo usted mismo.

Pocos puntos de partida que cubren la autocorrelación espacial (SA) (y, en general, el manejo de material espacial en R):

1. El Centro de Estudios en Demografía y Ecología (CSDE) de la Universidad de Washington proporciona materiales del taller Spatial R.

2. El Instituto de Ciencias Sociales Cuantitativas de la Universidad de Harvard tiene materiales del taller de Estadística espacial aplicada en R que cubre SA.

3. El Departamento de Geografía de la Universidad de Colorado ofrece materiales sobre SA como parte de su curso de Introducción a los métodos cuantitativos .

Una vez que se familiarice con R, puede acoplarlo con PostgreSQL utilizando PL / R - Lenguaje de procedimiento R para PostgreSQL , pero no puedo comentarlo ya que no conozco el tema.

Python podría ser otra alternativa. PySAL es una biblioteca activamente desarrollada y bien documentada que le permitirá implementar toda la funcionalidad de GeoDa, incluida SA (y lo más probable, incluso más). Python y Postgres suelen ser buenos amigos, por lo que si inviertes algo de tiempo, lo más probable es que también te cases con ellos.

No tengo idea de cómo realizar su idea QGIS / PostgreSQL pero el siguiente software puede calcular medidas para la autocorrelación

• GeoDa http://geodacenter.asu.edu/ogeoda
• Paso 2 http://www.passagesoftware.net/
• SAM (Análisis espacial en macroecología) http://www.ecoevol.ufg.br/sam/
• PASADO http://folk.uio.no/ohammer/past/
• SAGA GIS http://www.saga-gis.org/en/index.html

GeoDa solo puede manejar vectores, Passage2 y SAGA solo raster, PAST solo XYZ.txt y SAM (creo) ambos.

Art Lembo tiene un ejemplo simple de una I pseudo-Moran para PostGIS :

SELECT corr(a.pctwhite, b.pctwhite)
FROM cleveland AS a, cleveland AS b
WHERE st_touches(a.geometry, b.geometry)
AND a."OID" <> b."OID"

La clave aquí es que, como él dice. . .

[La Moran I] no es más que el coeficiente de correlación de Pearson engañado en un contexto espacial

. . . lo que significa que una prueba de contigüidad básica puede producir una matriz y evaluación creíbles. Lo probé con mis propios datos y descubrí que produce resultados realmente similares a otras implementaciones de Moran.

Disculpas por la doble respuesta aquí, pero desde que publiqué mi primera sugerencia, me encontré con un conjunto de herramientas más completo para hacer todo tipo de análisis como este (incluido el I de Moran global y local):

Crankshaft , un módulo Python / PostGIS de Carto.

Lo he estado utilizando para análisis de producción similares a su caso de uso durante algunos meses y funciona perfectamente. Parece que CDB_AreasOfInterestGlobal()es la función que te gustaría usar.