新版白话空间统计（11）：ArcGIS中的PZ值标尺

Posted 2022-06-21 虾神说D

CSDN的被爬虫专用声明：虾神原创，公众号\\知乎：虾神说D

转发、转载和爬虫，请主动保留此声明。

前面我为了一直省事，所以直接把P-value 和Z-scores给统称成了PZ值，实际上准确翻译应该叫做P值与Z得分，我就不一一校正了，另外，PZ的大小写在文中大家也自行忽略就好。

首先，我们来看看在ArcGIS里面做空间自相关，当我们勾选了生成分析报告之后执行：

在指定的地方会生成这样一个分析报告：（注意，在这个地方，不同的版本会有一些不同，建议使用ArcGIS10.4以上版本，而且在做空间统计的时候，请把把ArcGIS设置为英文版）

打开这个分析报告，首先映入眼帘的，是这样的一个图形：

这个漂亮的正态分布曲线图，是拿来干嘛的呢？今天我们就扣着ArcGIS的这个输出报告，来聊聊ArcGIS里面的PZ值。

首先，上面这个标准的正态分布结构的图形，在ArcGIS的空间统计里面，起的作用，类似于化学分析里面的PH比色卡：

我们知道，在做酸碱度测试的时候，通常通过PH试纸+比色卡，来进行判定，从中间往两边延伸，表示酸碱的强度。理论上，自然界的物质，基本上以7为中心的泊松分布，就像下面这样：

相对于极度的强酸和极度的强碱，在自然界中的含量都是比较少的，更多的都是中性或者是弱酸或者弱碱的物质。

所以在ArcGIS里面，P、Z就类似于PH值这样一个概念，也是用来衡量空间分布模式，而上面给出的那个正态分布的图形，就是ArcGIS中的PZ值的比色卡。

在自然界里面，中心和弱酸、弱碱性物质是绝大多数，极度的强酸和极度的强碱在自然界里面出现的概率极低，多半是在实验室环境下用人工干预的手段才能合成出来——类比之下，数据领域，没有人工干预或者特殊条件产生的离散或者聚集，就是极少数数，所以：

了解这个标尺之后，我们继续来看PZ：

p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，所说的p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。也就是说，你先假设，你手上的这份数据就是随机生成，没有任何模式，那么这个随机过程这个就是你的零假设。

那么现在就可以理解，为什么虾神在前面一直强调，P值越小越好了吧——如果你的P值等于1，就表示你的数据100%是由随机过程生成……当然，实际上是不可能有这么高的百分比……所以一直在强调，P必须要小于0.1，也就是表示你的随机可能性最多只能有10%，多一点都不行。

这个0.1又是什么鬼？

这个数值涉及到了统计学历史上最著名的一个“经验公式”——提出者是号称是“以一己之力独立创建了现代统计学的天才”（丹麦统计学家，统计学史的作者安德斯·哈尔德语），被尊称为“近代统计学之父”的罗纳德·艾尔默·费希尔(Ronald Aylmer Fisher 1890~1962)爵士。

罗纳德·艾尔默·费希尔爵士

 

罗纳德·艾尔默·费希尔爵士

Ronald Aylmer Fisher

1890~1962

剑桥大学遗传学教授、近代统计学之父

 

说起来，这个经验公式的出现，还有一个比较有意思的故事：

话说，某个夏天的午后，一群剑桥的教授和他们的夫人们在喝下午茶：

 

这时候，一位女士坚称：把茶加进奶里，或把奶加进茶里，不同的做法，会使茶的味道品起来不同。

 

在场的一帮理（糙）工（汉）男（子）们，对这位女士的“胡言乱语”嗤之以鼻。这怎么可能呢？他们不能想象，仅仅因为加茶加奶的先后顺序不同，茶就会发生不同的化学反应。

然而，在座的一个身材矮小、戴着厚眼镜、下巴上蓄着的短尖髯开始变灰的先生，却不这么看，他对这个问题很感兴趣。

他兴奋地说道：“让我们来检验这个命题吧！（反正闲着也是闲着）”，并开始策划一个实验。在实验中，坚持茶有不同味道的那位女士被奉上一连串的已经调制好的茶，其中，有的是先加茶后加奶制成的，有的则是先加奶后加茶制成的。

那个留着短胡须的先生就是罗纳德·艾尔默·费歇尔，当时他只有三四十岁。后来他写了一本叫《实验设计》（The Design of Experiments）的书，在书的第 2 章就描述了他的“女士品茶”实验。

他在实验中，假设这个女士没有这个分辨能力，对于奶茶鉴别完全就是靠瞎猜……那么给她端上来一杯茶，她喝完之后随口一说：这是先加奶的……如果她说对了——是不是真的表示她我们就可以拒绝这种假设，而认为她真的具有这种辨识能力呢？

可以看见，随着送上去的奶茶越来越多，她完全靠蒙对的几率就越来越少……比如我们同时准备10杯茶，那么10杯茶全部猜对的概率只有千分之一（联合概率）：

虽然10杯茶，靠瞎猜完全正确的概率只有不到千分之一，但也只有正如上上面那个小（cai）黄（xu）鸭（kun）所言：我对多少算对呢？或者我（猜）对多少，算及格？

或者我们继续加大样本……

比如，加大到15杯，根据联合概率，如果15杯全部猜中的概率，只有十万分之三……

但是，不管我们给这位女士准备多少杯茶，也没有办法真正的把瞎猜这种概率降低到0……那么也就是，我们无法（完全）拒绝零假设？

统计学当然不是非黑即白的二元论，而是概率论——根据费舍尔爵士的说法：我们并不需要把概率降低到0，才表示拒绝零假设，而是降低到一定的程度就可以了，比如0.1或者0.05——这就是90%以及95%这个所谓的经验公式的来源。

之后在各行各业、各种实验、研究、论文里面，一直延续了费舍尔这个只要P值小于0.1或者0.05就拒绝了零假设这一说法，使之成为了最著名的一个经验公式。

当然，近几年，也有很多统计学家发文批判这个一刀切的0.1或者0.05

不过总体而言，要批判容易（键盘侠谁不会当），但是要提出一个能够取代它、而且还能够被广大研究者认可的概念，就不是那么容易了，所以到今天为止，大部分论文期刊，还是会接受P值的解释，并且还要求做P值相关的检验。

看完了P值，下面我们顺便看看与P值息息相关另外一个概念——Z得分。

Z得分的官方描述是：也叫标准分数（standard score），是一个分数与平均数的差再除以标准差的过程。

那么“标准差”是什么捏？在官方的解释是：“总体各单位标准值与其平均数离差平方的算术平均数的平方根”，好吧，我知道这个概念有点绕口，你就知道记住“标准差能反映一个数据集的离散程度”，就可以了。

所以，在我们的衡量标尺上面，P值和Z得分一般都是成对出现——

 

所以从衡量标尺上面可以看出，聚集和离散，分别位于分布的两个极端——也就是假设这份数据就是随机的，而如果你计算出来不是随机，则表示发生了小概率事件，我们拒绝了这个零假设。

一般来说，要进行数据分析，我们首先就要设立一个置信度，也就是说，你要设定你的数据，起码要有多大的可能性，被落在你期望的区间内。

所以一拿到数据，我们最先就要想，这份数据起码应该有绝大部分的值，不是随机的（也就说，是应该有规律的），这个绝大部分到底应该被量化为多少呢？这就是费舍尔当年提出来的经验公式：建议选择90%，或者95%或者99%。那么99%是最极端的情况，表示你能够完全的确认，这份数据没有任何的随机可能（只有1%的可能是随机创建的），完全的拒绝了零假设。

下表显示了不同置信度下未经校正的临界 p 值和临界 z 得分。

针对这个所谓的未经校正，当然就还有一个“错误发现率 (FDR)”工具，可以对p 值的临界点进行校正。这些校正后临界值会等于或小于上面的表所示的值。

这里的一个关键概念是，标尺所表示的正态分布中间位置的值（例如，类似 0.19 或 -1.2 的 z 得分）代表的是我们预期的结果（零假设）。但在 z 得分的绝对值很大而P值很小时（即出现在正态分布的两端），那么我们自然会去查看其中存在的不寻常现象——这也是我们需要研究的内容，为什么会出现这种极端情况？

 

那么实际应用中，P值和Z得分如何来应用和解读呢？聚集、离散和随机又有些什么意义呢？请听下回分解。

CSDN的被爬虫专用声明：虾神原创，公众号\\知乎：虾神说D

转发、转载和爬虫，请主动保留此声明。