البحث عن القيام الشاذة

أداة عثور على القيم الخارجية ستحدد ما إذا كانت القيم الخارجية الهامة إحصائيًا موجودة في النمط المكاني للبيانات.

مخطط سير العمل

أمثلة

• أين نجد أنماط الإنفاق الغريبة في لوس أنجلوس؟
• أين توجد أدقّ الحدود بين الرفاهية والفقر في منطقة الدراسة؟
• في المنطقة الخاصة بك، هل توجد لدينا متاجر التجزئة تُحارب المبيعات المنخفضة على الرغم من أنها محاطة بمتاجر ذات أداء مرتفع؟
• أين توجد المعدلات المرتفعة الغير متوقعة للمصابين بمرض السكر عبر منطقة الدراسة؟
• هل توجد مقاطعات في الولايات المتحدة ذات توقُّع لمستوى حياة منخفض بشكل غير معتاد مقارنةً بالمقاطعات المجاورة؟

ملاحظات الاستخدام

قد تكون معالم الإدخال نقاط أو مناطق.

يتم استخدام معلمة العثور على القيم الخارجية لـ لتقييم الترتيب المكاني للمعالم الخاصة بك. إذا كانت المعالم عبارة عن مناطق، عندئذِ يجب اختيار حقل. سيتم تحديد القيم الخارجية باستخدام الأرقام في الحقل المحدد. يمكن تحليل المعالم النقطية باستخدام حقل أو خيار أعداد نقطية. إذا تم استخدام الأعداد النقطية ، ستقوم الأداة بتحديد إذا تم تفريق أو تجميع النقاط ذاتها على غير المعتاد خلاف قيم الحقل المرتفعة والمنخفضة.

إذا تم تحليل النقاط باستخدام الأعداد النقطية, سوف يتوفر خيارين إضافيين. تتيح معلمة نقاط العدد داخل النقاط التي يتم تجميعها داخل خطوط الشبكة, الشبكة السداسية، أو طبقة منطقة من المحتويات، مثل الدول أو الرموز البريدية. يتم استخدام المعلمة تعريف النقاط المحتملة لإنشاء منطقة أو العديد من مناطق الاهتمام. الخيارات الثلاثة لهذه المعلمة هي لا شيء، مما يعني أنه يتم استخدام جميع النقاط، ومنطقة يتم تعريفها بواسطة طبقة منقطة من المحتويات، ومناطق يتم إنشائها باستخدام أداة الرسم.

يمكن تسوية البيانات باستخدام معلمة القسمة على. تستخدم بيانات سكان Esri GeoEnrichment وتتطلب استخدام اعتمادات. يتوفر خيار أخر للتسوية باستخدام حقل من طبقة الإدخال. تشمل بعض القيم المحتملة التي يمكن استخدامها للتسوية عدد الأسر أو المنطقة.

تستخدم الإحصائية المستخدمة بواسطة هذه الأداة احتمالات تحديد مدى احتمالية العثور على التوزيع المكاني الفعلي للقيم التي يتم تحليلها بواسطة مقارنة القيم بمجموعة القيم التي تم إنشائها بشكل عشوائي. اختيار عدد الاحتمالات في معلمة تحسين لـ توازن بين الدقة وزيادة سرعة وقت (المعالجة). يمكن استخدام عدد أقل للاحتمالات عند استكشاف المشكلة لأول مرة، لكن تزداد الاحتمالات مع الممارسات بالدقة للحصول على نتائج نهائية.

يمكن استخدام القائمة المنسدلة للخيارات لتعيين حجم خلية محدد أو نطاقة مسافة للتحليل الخاص بك.

سوف تحتوي الطبقة الناتجة على حقول إضافية تشمل معلومات مثل نوع المجموعة/القيمة الخارجية, وعدد المناطق المجاورة لكل معلم المتضمنة في التحليل ومؤشر موران المحلي, والقيمة و عدد النقاط لكل معلم. تحتوي طبقة المخرجات أيضًا على معلومات حول التحليل الإحصائي في قسم الوصف من تفاصيل العنصر.

كيفية عمل العثور على القيم الخارجية

نظرًا لأن أعيننا وعقولنا تحاول بطبيعتها العثور على الأنماط حتى وإن كانت غير موجودة، فيكون من الصعب معرفة إذا كانت الأنماط الموجودة في البيانات هي نتيجة العمليات المكانية الفعلية في العمل أو مجرد نتيجة مصادفة عشوائية. هذا هو سبب استخدام الباحثين والمحللين الوسائل الإحصائية مثل العثور على القيم الخارجية (مؤشر Anselin Moran المحلي) لتحديد الأنماط المكانية. عند البحث عن القيم الشاذة أو التجمع ذي الأهمية الإحصائية في البيانات، فإنك تحصل على معلومات قيّمة. يمكن لمعرفة مكان وزمن حدوث القيم الخارجية توفير الأدلة الفعالة والمتعلقة بالعمليات التي تحسن الأنماط التي تراها. يُعد العلم بأن حوداث السطو على المنازل، على سبيل المثال، تحدث بمعدل أكبر بشكل منتظم في أحياء محددة ضروريًا عند الرغبة في تصميم استرتيجيات فعالة لمنع حدوثها أو تخصيص الموارد غير الكافية للشرطة أو إطلاق برامج لمراقبة الأحياء أو إنشاء تحقيقات مُفصلة للجرائم أو تحديد الشكوك المحتملة.

تحتسب أداة العثور على القيم الخارجية مؤشر موران المحلي (LMiIndex) لكل معلم في مجموعة البيانات. تشير القيمة الإيجابية أن معلم ما لديه معالم مجاورة بنفس قيم البيانات المرتفعة والمنخفضة؛ هذ المعلم هو جزء من المجموعة. تشير القيمة السلبية أن معلم ما لديه معالم مجاورة بقيم مختلفة؛ هذا المعلم هو قيمة خارجية. في كلا الحالات، يجب أن تكون القيمة الإيجابية للمعلم صغيرة بما يكفي للمجموعة أو القيمة الخارجية لاعتبارها بأنها هامة إحصائيًا. للحصول على مزيد من المعلومات حول تحديد الأهمية الإحصائية، راجع ما هو عدد نقاط القيمة z؟ ما هي القيمة p؟. لاحظ أن مؤشر موران المحلي (I) هو قياس نسبي ويمكن تفسيره فقط داخل سياق عدد النقاط z أو القيمة p. حقل نوع المجموعة/القيمة الخارجية (COType) يُميز بين مجموعة القيم المرتفعة (HH) المهمة إحصائيًا، ومجموعة القيم المنخفضة (LL)، والقيمة الخارجية التي تُحاط القيمة المرتفعة بالقيم المنخفضة (HL) بشكل أساسي، والقيمة الخارجية التي يُحاط قيمة منخفضة بقيم مرتفعة (LH) بشكل أساسي.

تحليل معالم المنطقة

تتوفر الكثير من البيانات في معالم المنطقة، مثل مناطق الإحصاء السكاني والمقاطعات وأحياء الناخبين ومناطق المستشفيات وقطع الأرض وحدود المتنزهات والأماكن الترفيهية ومستجمعات الأمطار وتصنيفات تغطية الأرض ومناطق الطقس. عندما تتضمن طبقة التحليل معالم المنطقة، ستحتاج إلى تحديد حقل رقمي يتم استخدامه لإيجاد قيم خارجية القيم المرتفعة والمنخفضة. يُمكن أن يمثل هذا الحقل ما يلي:

• الأعداد (مثل عدد أفراد الأُسَر)
• المعدلات (مثل السكان الحاملين لدرجة جامعية)
• المتوسط (مثل متوسط دخل الأسرة)
• المؤشرات (مثل عدد النقاط الذي يشير إلى ما إذا كان مستوى إنفاق الأسرة على البضائع الرياضية فوق أو تحت المُعدل الطبيعي)

باستخدام الحقل الذي توفره، تقوم أداة العثور على القيم الخارجية بإنشاء خريطة (الطبقة الناتجة) التي تعرض المناطق ذات القيم الخارجية الهامة إحصائيًا للقيم المرتفعة (حمراء اللون) والقيم المنخفضة (زرقاء اللون) في صورة تجمعات للقيم المرتفعة (زهري اللون) والقيم المنخفضة (الأزرق الفاتح).

تحليل المعالم النقطية

تتوفر مجموعة متنوعة من البيانات كمعالم نقطية. يتم تمثيل نماذج المعالم في الأغلب بنقاط تشمل حوادث الجريمة والمدارس والمستشفيات وأحداث مكالمات الطوارئ وحوادث المرور وآبار المياه والأشجار والقوارب. قد تتجه أحيانًا إلى تحليل قيم البيانات (حقل) مقترن بجميع المعالم النقطية. في الحالات الأخرى، لن تهتم إلا بتقييم تجميع النقاط نفسها أو انتشارها. يستند قرار توفير حقل من عدمه إلى السؤال الذي تطرحه.

العثور على قيم خارجية للقيم المرتفعة والمنخفضة المقترنة مع المعالم النقطية

سوف ترغب في توفير حقل التحليل للإجابة على أسئلة مثل: أين تتجمع القيم المرتفعة والمنخفضة الغريبة؟ قد يُمثل الحقل الذي تحدده بعضًا مما يلي:

• الأعداد (مثل عدد حوادث المرور في تقاطعات الشوارع)
• المعدلات (مثل البطالة في المدينة، حيث يتم تمثيل كل مدينة بمعلم نقطي)
• المتوسط (مثل متوسط نتيجة اختبار الرياضيات بين المدارس)
• المؤشرات (مثل نتيجة إرضاء العميل الخاصة بوكلاء السيارات في المقاطعة)

العثور على القيم الخارجية لأعداد النقاط المرتفعة والمنخفضة

بالنسبة لبعض بيانات النقاط، عند تمثيل كل نقطة لحدث ما أو حادثة أو الكشف عن حضور/غياب، لن يُمكن استخدام حقل تحليلي واضح. في هذه الحالات، لا تريد إلا معرفة الأماكن غير المألوفة للتجمع الكثيف أو غير الكثيف (هام إحصائيًا). في هذا التحليل، يتم وضع معالم المنطقة (خطوط شبكة أو شبكة سداسية تقوم بإنشاء الأداة لك أو طبقة منطقة توفرها) فوق النقاط، ويتم حساب عدد النقاط التي تقع ضمن كل منطقة. تقوم الأداة بعد ذلك بإيجاد القيم الخارجية لأعداد النقاط المرتفعة والمنخفضة المقترنة مع جميع معالم المنطقة.

تحديد الأماكن التي يحتمل وجود النقاط بها

حدد طبقة منطقة أو ارسم مناطق تُعرّف منطقة الدراسة حيث تريد إجراء التحليل في جميع المواقع التي قد تحدث فيها معالم نقاط الحادث. بالنسبة لهذا الخيار، سوف تقوم أداة العثور على القيم الخارجية بتراكب منطقة الدراسة المحددة مع شبكة الصيد (الوضع الافتراضي) أو الشبكة السداسية، وتحسب النقاط التي تقع في كل مربع من مربعات الشبكة. عند عدم تحديد نقاط احتمال وقوع الحوادث من خلال هذا الخيار، تقوم أداة العثور على القيم الخارجية بتحليل خلايا الشبكة فقط التي تحتوي على حساب نقطة واحدة على الأقل. عند استخدام هذا الخيار لتعريف أماكن النقاط المحتملة، يتم إجراء التحليل لجميع خلايا الشبكة التي تقع في المناطق الحدودية التي قمت بتعريفها.

نقاط العدد داخل مناطق التجميع

في بعض الحالات، سوف تكون معالم المنطقة مثل مسارات التعداد، أو مراكز الشرطة، أو قطع الأراضي أكثر منطقية للتحليل عن الشبكة الافتراضية أو الشبكة السداسية.

اختيار للتقسيم بواسطة

يتوفر طريقتين مشتركتين لتحديد القيم الخارجية:

• بواسطة العدد - عند قيامك بتحليل مجموعة بيانات محددة، سترغب في إيجاد القيم الخارجية والباردة لعدد المعالم في جميع مناطق التجميع خلال منطقة الدراسة. على سبيل المثال، قد ترغب في العثور على القيم الخارجية حيث أعلى عدد للجرائم قد حدث بوجه عام في المناطق منخفضة الجرائم أو حيث أقل عدد للجرائم قد حدث في المناطق الأعلى للجرائم من أجل زيادة تأثير الموارد المخصصة.
• بواسطة الكثافة - من على الجانب الأخر، تحليل وفهم النقوش التي تندرج في الحساب الذي يوضح عمليات التوزيع التي تؤثر على الظواهر ذات المغزى. تتم الإشارة إلى هذا المفهوم بصفته تسوية أو عملية قسمة قيمة بيانات جدولية رقمية واحدة على قيمة أخرى لتقليل الاختلافات في القيم استنادًا إلى حجم المناطق أو عدد المعالم في جميع المناطق. على سبيل المثال، مع الجريمة، يُمكن أن ترغب في فهم مكان حدوث قيم خارجية أو تجمعات لأعداد الجرائم المرتفعة والمنخفضة لحساب السكان الأساسين. في هذه الحالة، يُمكن أن تقوم بعد عدد الجرائم في جميع المناطق (حيث تكون هذه المنطقة إما شبكة أو مجموعة بيانات منطقة مختلفة) وقم بقسمة إجمالي عدد الجرائم الحالي على عدد السكان في هذه المنطقة. يُمكن أن يمنحك هذا معدل الجريمة أو عدد الجرائم في كل منطقة. يُجيب إيجاد مناطق القيم الخراجية للجرائم في كل منطقة على الأسئلة المختلفة التي يُمكن أن تساعد أيضًا في اتخاذ القرار.

تُعد كل من طريقتين تحليل البيانات في منطقة الدراسة صحيحتان، لكنها تستند فقط إلى السؤال الذي تسأله.

يُعد اختيار بيانات جدولية صحيحة للقسمة هام جدًا. يتعين عليك التأكد من أن تقسيم بواسطة البيانات الجدولية هي البيانات الجدولية التي تؤثر، في حقيقة الأمر، على توزيع الظواهر المحددة التي تقوم بتحليلها.

عند اختيار تقسيم بواسطة سكان Esri، يتم استخدام بيانات السكان من Esri غطاء التوزيع الديموغرافي العالمي. تأكد من النظر إلى دقة البيانات المتاحة للمنطقة التي تهتم بها لتتأكد من أنها متطابقة مع حجم المناطق التي يتم إثرائها (إما مناطق التجميع التي يتم توفيرها أو الشبكة التي يتم إنشائها).

تفسير النتائج

تكون المخرجات من أداة العثور على القيم الخارجية عبارة عن خريطة. بالنسبة للنقاط أو المناطق الموجودة في خريطة الطبقة الناتجة، يشير هؤلاء باللون الأحمر الداكن والأزرق الداكن إلى القيم الخارجية الهامة إحصائيًا في منطقة الدراسة. ويشير هؤلاء باللون الأزرق الفاتح والزهري إلى التجميع الهام إحصائيًا. لا تكون المناطق والنقاط المعروضة باللون البيج، من جهة أخرى، ليست قيم خارجية أو جزء من أي تجمعات إحصائية، يمكن أن تصبح الأنماط المكانية المقترنة مع هذه المعالم مثل نتيجة المصادفة العشوائية. في بعض الأحيان ستشير نتائج التحليل إلى عدم وجود أي قيم خارجية إحصائية على الإطلاق. معلومات جديرة بالمعرفة. عندما يكون الجزء المكاني عشوائيًا، لا تتوفر مفاتيح للأسباب الرئيسية. في هذه الحالة، سيصبح لون جميع المعالم في طبقة النتائج بيج. ومع ذلك، عند العثور على قيم خارجية أو تجمعات هامة إحصائيًا، تعد مواقع حدوث التجمعات مفاتيحًا هامة حول ما قد يقوم بإنشاء الظاهرة. على سبيل المثال، يمكن أن يؤدي العثور على قيم خارجية مكانية هامة إحصائيًا لمعدلات السرطان المرتفعة والمرتبطة بتسممات بيئية محددة إلى سياسات وأحداث مُصممة لحماية الأشخاص. وعلى نفس النحو، يمكن أن يوفر العثور على القيم الخارجية المنخفضة لسمنة الأطفال في مدارس تقدم برامج رياضية بعد انتهاء اليوم الدراسي تبريرًا قويًا لتشجيع هذه الأنواع من البرامج على نطاق أوسع.

استكشاف الأخطاء وإصلاحها

تستند الطريقة الإحصائية المستخدمة بواسطة أداة العثور على القيم الخارجية إلى نظرية الاحتمالية، ونتيجة لذلك، تحتاج إلى الحد الأدنى من عدد المعالم للتشغيل بفاعلية. تتطلب هذه الطريقة الإحصائية أيضًا أعداد متنوعة أو قيم حقول التحليل. عند تحليل حوادث الجرائم تبعًا للرقعة السكانية، كمثال، والتي تنتهي بشكل مذهل بنفس عدد الجرائم في كل رقعة، سيتعذر حل هذه الأداة. يوفر الجدول أدناه توضيح للرسائل التي يمكن أن تواجهها عند استخدام أداة العثور على القيم الخارجية:

رسالة	مشكلة	الحل
تتطلب خيارات التحليل التي تم تحديدها حد أدنى 60 نقطة لحساب النقاط الفعالة والباردة.	يتعذر إيجاد معالم نقطية كافية داخل طبقة التحليل النقطية لحساب النتائج الموثوقة.	الحل الواضح هو إضافة المزيد من النقاط إلى طبقة التحليل. عوضًا عن ذلك، يُمكنك تعريفمناطق التحليل المحيطة ، وبعد ذلك تفضل بإضافة المعلومات المتعلقة بأماكن احتمالية ظهور النقاط ولكنها لم تظهر. باستخدام هذه الطريقة ستحتاج إلى 30 نقطة كحد أدنى. يمكن أيضًا القيام بتوفير مناطق التجميع التي تقوم بتراكب النقاط. ستحتاج 30 منطقة مضلع و30 نقطة كحد أدنى داخل هذه المناطق لعملية التحليل. عند الحصول على 30 نقطة على الأقل يمكن أن تقوم بتحديد حقل التحليل. يساعد هذا في تغيير السؤال من أين تتواجد العديد من النقاط أو القليل منها ليصبح أين تتجمع قيم حقل التحليل مكانيًا.
تتطلب خيارات التحليل التي تم تحديدها حد أدنى 30 نقطة مع البيانات الصحيحة في حقل التحليل لحساب النقاط الفعالة والباردة.	لا توجد نقاط كافية أو نقاط كافية مقترنة مع قيم حقل التحليل خلاف-NULL ، داخل طبقة التحليل لحساب النتائج الموثوقة.	لسوء الحظ، عند الحصول على أقل من 30 نقطة، لن تصبح طريقة التحليل الحالية مناسبة للبيانات. عند الحصول على أكثر من 30 نقطة وكنت ترى هذه الرسالة، يمكن أن يتضمن حقل التحليل الذي تم تحديده قيم NULL. سيتم تخطي النقاط مع قيم حقل التحليل NULL. احتمالية أخرى هي الحصول على تصفية فعالة تقلل عدد النقاط المتاح للتحليل.
تتطلب خيارات التحليل التي تم تحديدها حد أدنى 30 مضلعًا مع البيانات الصحيحة في حقل التحليل لحساب النقاط الفعالة والباردة.	لا توجد مناطق مضلعات كافية أو معالم منطقة كافية مقترنة مع قيم حقل التحليل خلاف-NULL ، في طبقة التحليل لحساب النتائج الموثوقة.	لسوء الحظ، عند الحصول على أقل من 30 منطقة مضلع، لن تصبح طريقة التحليل الحالية مناسبة للبيانات. عند الحصول على أكثر من 30 منطقة وكنت ترى هذه الرسالة، يمكن أن يتضمن حقل التحليل الذي تم تحديده قيم NULL. سيتم تخطي مناطق المضلع مع قيم حقل التحليل NULL. احتمالية أخرى هي الحصول على تصفية تقلل عدد مناطق المضلعات المتاحة للتحليل.
يتطلب خيار التحليل الذي تم تحديده حد أدنى 30 نقطة ليتواجد داخل مناطق المضلع المحيطة.	سيتم فقط تحليل النقاط الواقعة داخل مناطق التحليل المحاطة والتي تم رسمها أو توفيرها. لتوفير نتائج موثوقة، ينبغي أن يوجد 30 نقطة على الأقل داخل مناطق التحليل المحيطة.	لسوء الحظ، إذا لم يكن لديك 30 نقطة على الاقل، لن تصبح هذه الأداة مناسبة للبيانات. باستخدام الحد الأدنى لـ 30 معلم، سيكمن الحل هنا في توفير مناطق تحليل محيطة مختلفة وربما أكبر في الغالب. خيار آخر هو توفير طبقة منطقة بها حد أدنى 30 من مضلعات التجميع والتي تتراكب على 30 نقطة على الأقل. عند توفير مناطق التجميع، سيتم القيام بالتحليل على أعداد النقاط داخل كل منطقة.
يتطلب خيار التحليل الذي تم تحديده 30 نقطة على الأقل لتتواجد داخل مضلعات التجميع.	سيتم فقط تضمين النقاط الواقعة داخل مضلعات التجميع داخل التحليل. لتوفير نتائج موثوقة، ينبغي تواجد 30 نقطة على الأقل داخل مناطق المضلع التي تم توفيرها.	لسوء الحظ، إذا لم يكن لديك 30 نقطة عل الأقل، لن تصبح هذه الطريقة مناسبة للبيانات، وإلا، ينبغي رسم أو توفير مناطق تحليل محيطة تتراكب على 30 نقطة على الأقل. ينبغي أن تقوم المناطق المحيطة بتفعيل جميع المناطق حيث احتمالية حدوث هذه النقاط.
يتطلب خيار التحليل الذي تم تحديده 30 من مناطق التجميع كحد أدنى.	سوف يقوم الخيار الذي قمت بتحديده بتراكب المناطق أعلى النقاط وعدد النقاط التي تقع داخل كل منطقة. سيتطلب وجود 30 عدد (30 منطقة) لتوفير النتائج الموثوقة كحد أدنى.	يمكن حساب النتائج الموثوقة عند توفير 30 نقطة كحد أدنى واقعة داخل 30 منطقة تجميع كحد أدنى. إذا تعذر إيجاد 30 منطقة تجميع، يمكن محاولة رسم أو توفير مناطق التحليل المحيطة والتي تتراكب على 30 نقطة على الأقل. ينبغي أن تقوم المناطق المحيطة الحالية بتفعيل جميع المناطق حيث احتمالية حدوث هذه النقاط.
يتعذر حساب النقاط الفعالة والباردة عند تطابق عدد النقاط في جميع مناطق المضلعات. جرب مناطق المضلعات المختلفة أو خيارات التحليل لمختلفة.	عند قيام أداة العثور على نقاط فعالة بحساب عدد النقاط الواقعة داخل منطقة التجميع، يتم اكتشاف أن الأعداد تكون جميعها متطابقة. لحساب النتائج، تتطلب هذه الأداة بعض التنوع في عدد القيم التي تم الحصول عليها على الأقل.	يمكن توفير مناطق تجميع بديلة لن يتم تفعيل نتائجها في جميع المناطق التي لها نفس عدد النقاط. عوضًا عن مناطق التجميع، يمكن أيضًا محاولة رسم مناطق التحليل المحيطة وتوفيرها. بطريقة بديلة، يمكن تحديد حقول التحليل. مع ذلك، يساعد هذا في تغيير السؤال من أين تتواجد العديد من النقاط أو القليل منها ليصبح أين تتجمع قيم حقل التحليل مكانيًا.
لا يوجد تنوع كافي في مواقع النقاط لحساب النقاط الفعالة والباردة. تقلل النقاط المتزامنة، مثال، التنوع المكاني. يمكن أن تقوم بتوفير المناطق المحيطة ومناطق التجميع (كحد أدنى 30) أو حقول التحليل.	استنادًا إلى عدد النقاط وكيفية توزيعها، تقوم الأداة بإنشاء شبكة صيد لتراكب النقاط. بعد حساب عدد النقاط الواقعة داخل كل مربع لشبكة الصيد وإزالة المربعات التي عددها يكون صفر، يتبقى أقل من 30 مربع. تتطلب هذه الأداة وجود 30 عدد (30 مربع) كحد أدنى لتوفير النتائج الموثوقة.	إذا شغلت النقاط مواقع فريدة قليلة جدًا (إذا وجد العديد من النقاط المتزامنة)، سيشير الحل الأفضل إما لتوفير مناطق التجميع التي تقوم بتراكب النقاط أو رسم مناطق التحليل المحيطة وتوفيرها إلى مكان تواجد هذه النقاط وتكون غير ممكنة. خيار آخر هو لتحديد حقول التحليل. مع ذلك، يساعد هذا في تغيير السؤال من أين تتواجد العديد من النقاط أو القليل منها ليصبح أين تتجمع قيم حقل التحليل مكانيًا.
لا يعد هذا تنوع كافي خلال النقاط داخل مناطق المضلعات. يمكن محاولة توفير الحدود الأكبر.	استنادًا إلى المواقع النقطية وعدد النقاط، تقوم الأداة بإنشاء الشبكة لتراكب النقاط. بعد حساب عدد النقاط الواقعة داخل كل مربع لشبكة الصيد وإزالة المربعات التي تتواجد خارج مناطق التحليل المحيطة، سيتبقى أقل من 30 مربع في شبكة الصيد. تتطلب هذه الأداة وجود 30 عدد (30 مربع) كحد أدنى لتوفير النتائج الموثوقة.	عند تواجد النقاط في مواقع متنوعة داخل مناطق التحليل المحيطة، يمكن أن ترغب فقط في إنشاء حدود أكبر أو توفيرها. إذا شغلت النقاط مواقع فريدة قليلة جدًا (إذا وجد العديد من النقاط المتزامنة)، سيكون الحل الأفضل هو توفير مناطق التجميع التي تتراكب مع النقاط. خيار آخر هو لتحديد حقول التحليل. مع ذلك، يساعد هذا في تغيير السؤال من أين تتواجد العديد من النقاط أو القليل منها ليصبح أين تتجمع قيم حقل التحليل مكانيًا.
تكون جميع قيم حقول التحليل واحدة. يتعذر حساب النقاط الفعالة والباردة إذا تعذر إيجاد تنوع في الحقل المراد تحليله.	العديد من النقاط التي يتم تحديدها في حقل التحليل لها نفس القيمة لجميع النقاط أو المعالم في طبقة التحليل. يتعذر حل هذه الإحصائيات المستخدمة من قبل هذه الأداة ما لم تتواجد قيمة متنوعة للعمل معها.	يمكن تحديد حقل تحليل أو معالم نقطية مختلفة أو تحليل كثافات نقطية عوضًا عن القيم النقطية.
سيتعذر حساب النقاط الفعالة والباردة للبيانات التي تم توفيرها. غذا كانت مناسبة، حاول تحديد حقل التحليل.	عند إنشاء الأداة لشبكة الصيد وكذلك حساب عدد النقاط داخل كل مربعة، ستصبح أعداد جميع المربعات متطابقة.	سيكون الحل هو توفير مناطق التجميعأو رسم مناطق التحليل المحيطة أو توفيرهاأو تحديد حقول التحليل.
ينبغي أن تكون حجم الخلية أقل من نطاق المسافة.	لقد قمت بتوفير قيمة نطاق المسافة التي تكون أصغر من حجم كل خلية من خلايا الشبكة.	تحقق من الوحدات المحددة لكلا نطاق المسافة و حجم الخلية، واستخدم القيمة الافتراضية المحتسبة بواسطة الأداة، أو استخدم القيمة التي تكون أكبر من حجم خلية شبكة واحدة.

يتوفر مزيد من المعلومات حول الخوارزمية المستخدمة بواسطة أداة العثور على القيم الخارجية في كيفية عمل تحليل القيم الخارجية الأمثل.

أدوات مشابهة

استخدم العثور على القيم الخارجية لتحديد ما إذا هناك قيم خارجية هامة إحصائيًا في النمط المكاني للبيانات الخاصة بك. يتم وصف الأدوات الأخرى التي قد تكون مفيدة أدناه.

أدوات تحليل عارض الخريطة

إذا كنت مهتمًا بالعثور على تجمعات هامة إحصائيًا للقيم المرتفعة والمنخفضة في النمط المكاني للبيانات الخاصة بك، استخدم أداة العثور على النقاط الفعالة.

إذا كنت تقوم باستخدام قياسات النقطة أو الخط لإنشاء خريطة كثافة، استخدم أداة احتساب الكثافة.

ArcGIS Desktop أدوات التحليل

العثور على القيم الخارجية تقوم بتنفيذ نفس الإحصائيات المستخدمة في تحليل المجموعة والقيم الخارجية (مؤشر Anselin Moran المحلي I) وأدوات تحليل القيم الخارجية الأمثل.