Hot-Spots suchen (Map Viewer Classic)

Hinweis:

Dieses Werkzeug ist jetzt in Map Viewer, dem modernen Kartenerstellungswerkzeug in ArcGIS Enterprise, verfügbar. Weitere Informationen finden Sie unter Hot-Spots suchen (Map Viewer).

Hot-Spots suchen Das Werkzeug "Hot-Spots suchen" ermittelt, ob die räumlichen Muster in den Daten eine statistisch signifikante Cluster-Bildung aufweisen.

Workflow-Diagramm

Workflow-Diagramm des Werkzeugs "Hot-Spots suchen"

Beispiele

  • Die Polizeistation einer Stadt führt eine Analyse durch, um zu ermitteln, ob eine Beziehung zwischen Gewaltverbrechen und Arbeitslosenraten besteht. Für weiterführende Schulen wird ein ausgedehntes Job-Programm für die Sommermonate in Gebieten mit einer hohen Rate von Gewaltverbrechen und Arbeitslosigkeit umgesetzt. "Hot-Spots suchen" wird verwendet, um Gebiete mit statistisch signifikanten Kriminalitäts- und Arbeitslosigkeits-Hot-Spots zu ermitteln.

  • Ein politischer Stratege möchte herausfinden, in welchen Regionen eine bestimmte Partei bei der letzten Wahl am entschiedensten unterstützt oder abgelehnt wurde. Diese Informationen können sich bei zukünftigen Wahlen als hilfreich für die Ausarbeitung von Kampagnenstrategien erweisen. Der Stratege subtrahiert den Anteil der Stimmen für die Demokraten vom Anteil der Stimmen für die Republikaner und verwendet "Hot-Spots suchen", um die Hot- und Cold-Spots für die Differenzen zu suchen. Die Hot-Spots (rot) geben eine starke Unterstützung der Republikaner und die Cold-Spots (blau) eine starke Unterstützung der Demokraten an.

  • Ein Naturschutzbeamter untersucht Baumkrankheiten, um zu priorisieren, welche Waldgebiete entsprechend behandelt werden müssen, und Informationen zu Gebieten zu erhalten, die teilweise Resistenzen zeigen. Mit dem Werkzeug "Hot-Spots suchen" können Cluster von kranken (Hot-Spots) und gesunden (Cold-Spots) Bäumen ermittelt werden.

Verwendungshinweise

Bei den Eingabe-Features kann es sich um Punkte oder Flächen handeln.

Der Parameter Cluster mit hohen und niedrigen Werten suchen dient dazu, die räumliche Anordnung von Features zu bewerten. Wenn es sich bei den Features um Flächen handelt, muss ein Feld ausgewählt werden. Die Cluster-Bildung wird anhand der Zahlen im ausgewählten Feld festgelegt. Punkt-Features können anhand eines Feldes oder mit der Option Punktanzahl analysiert werden. Bei Verwendung der Punktanzahl wird die Cluster-Bildung der Punkte selbst ermittelt, nicht Cluster mit hohen und niedrigen Feldwerten.

Wenn Punkte mit Punktanzahl analysiert werden, sind zwei zusätzliche Optionen verfügbar. Der Parameter Punkte zählen innerhalb ermöglicht das Aggregieren der Punkte in einem Netzgitter, einem Hexagongitter oder einem Flächen-Layer aus dem Bereich Inhalte, z. B. Landkreise oder Postleitzahlen. Der Parameter Bereiche festlegen, in denen Punkte möglich sind erstellt einen Bereich oder mehrere Interessenbereiche. Die drei Optionen für diesen Parameter sind Keine – was bedeutet, dass alle Punkte verwendet werden – eine durch einen Flächen-Layer aus dem Bereich Inhalte definierte Fläche und Flächen, die mit dem Werkzeug Zeichnen erstellt wurden.

Die Daten können mit dem Parameter Teilen durch normalisiert werden. Die Esri Population-Daten verwenden GeoEnrichment und verbrauchen Credits. Eine andere Möglichkeit ist die Normalisierung mithilfe eines Feldes aus dem Eingabe-Layer (verfügbar, wenn der Parameter Cluster mit hohen und niedrigen Werten suchen auf ein Feld anstatt auf Punktanzahl festgelegt ist). Werte, die für die Normalisierung herangezogen werden können, sind "Anzahl der Haushalte" oder "Bereich".

Hinweis:

Esri Population-Daten sind für den Parameter Teilen durch nicht verfügbar, wenn Ihre Organisation einen benutzerdefinierten GeoEnrichment-Service konfiguriert hat.

Mithilfe des Dropdown-Menüs Optionen kann ein bestimmter Wert für Zellengröße oder Entfernungsband bei der Analyse festgelegt werden.

Der Ausgabe-Layer verfügt über zusätzliche Felder, die Informationen wie etwa die statistische Signifikanz jedes Features, den p-Wert und den Z-Wert enthalten. Der Ausgabe-Layer enthält außerdem Informationen über die statistische Analyse im Abschnitt Beschreibung der Seite Elementdetails.

Funktionsweise von "Hot-Spots suchen"

Selbst zufällige räumliche Muster weisen eine gewisse Cluster-Bildung auf. Zudem suchen unsere Augen und Gehirne naturgemäß auch dann nach Mustern, wenn keine vorhanden sind. Demzufolge kann es schwierig sein, zu wissen, ob die Muster in den Daten das Ergebnis räumlicher Prozesse sind oder ob es sich lediglich um ein zufälliges Ergebnis handelt. Aus diesem Grund verwenden Forscher und Analysten Methoden wie "Hot-Spots suchen" (Getis-Ord Gi*), um räumliche Muster zu quantifizieren.

Mit dem Werkzeug "Hot-Spots suchen" wird die Getis-Ord Gi*-Statistik (ausgesprochen G-i-Sternchen) für die einzelnen Features eines Datasets berechnet. Anhand der sich ergebenden Z-Werte und p-Werte können Sie feststellen, wo Features mit hohen oder niedrigen Werten zur räumlichen Cluster-Bildung neigen. Das Werkzeug "Hot-Spots suchen" berechnet optimale Standardeinstellungen auf Basis der Merkmale der Eingabedaten und wendet automatisch eine FDR-Korrektur (False Discovery Rate) an. Jedes Feature wird im Kontext benachbarter Features analysiert. Ein Feature mit einem hohen Wert ist beachtenswert, es muss sich dabei jedoch nicht zwangsweise um einen statistisch signifikanten Hot-Spot handeln. Ein statistisch signifikanter Hot-Spot ist ein Feature mit einem hohen Wert, das von anderen Features mit hohen Werten umgeben ist. Die lokale Summe eines Features und der benachbarten Features wird proportional mit der Summe aller Features verglichen. Wenn die lokale Summe sich erheblich von der erwarteten lokalen Summe unterscheidet und der Unterschied zu groß ist, um von einem willkürlichen Zufall herzurühren, ergibt sich ein statistisch signifikanter Z-Wert.

Wenn Sie eine statistisch signifikante Cluster-Bildung in Ihren Daten finden, verfügen Sie über wertvolle Informationen. Zu wissen, wo und wann Cluster-Bildung auftritt, kann wichtige Aufschlüsse über die Prozesse geben, die die Muster fördern, die Sie sehen. Zu wissen, dass die Anzahl der Wohnungseinbrüche in bestimmten Nachbarschaften beispielsweise ständig höher ausfällt, kann eine wichtige Rolle spielen, wenn Sie effektive Präventionsstrategien entwerfen, knappe Polizeikräfte verteilen, Nachbarschaftsüberwachungsprogramme initiieren, strafrechtliche Ermittlungen durchführen oder potenzielle Verdächtige identifizieren müssen.

Analysieren von Flächen-Features

Für Flächen-Features wie Zählbezirke, Landkreise, Wahlkreise, Krankenhauseinzugsgebiete, Flurstücke, Park- und Freizeitflächen, Abflussgebiete, Landnutzungsklassifizierungen und Klimazonen stehen Daten zur Verfügung. Wenn Ihr Analyse-Layer Flächen-Features enthält, müssen Sie ein numerisches Feld festlegen, anhand dessen Cluster mit hohen und niedrigen Werten gesucht werden. Dieses Feld kann Folgendes darstellen:

  • Mengenangaben (z. B. die Anzahl der Haushalte)
  • Verhältnisangaben (z. B. der Bevölkerungsanteil mit Universitätsabschluss)
  • Durchschnittswerte (z. B. das durchschnittliche oder mittlere Haushaltseinkommen)
  • Indizes (z. B. eine Bewertung, aus der hervorgeht, ob die Ausgaben eines Haushalts für Sportartikel über oder unter dem nationalen Durchschnitt liegen)

Mit dem angegebenen Feld erstellt das Werkzeug "Hot-Spots suchen" eine Karte (den Ergebnis-Layer), die Flächen mit statistisch signifikanten Clustern mit hohen Werten (Hot-Spots: rot) und niedrigen Werten (Cold-Spots: blau) anzeigt.

Analysieren von Punkt-Features

Viele Daten sind als Punkt-Features verfügbar. Vor allem Verbrechensfälle, Schulen, Krankenhäuser, Notrufereignisse, Verkehrsunfälle, Brunnen, Bäume und Boote werden häufig als Punkte dargestellt. In einigen Fällen kann es interessant sein, mit einzelnen Punkt-Features verknüpfte Datenwerte (ein Feld) zu analysieren. In anderen Fällen möchten Sie nur die Cluster-Bildung der Punkte ermitteln. Die Entscheidung, ob ein Feld bereitgestellt werden soll, hängt von der Frage ab, die Sie beantworten möchten.

Suchen von Clustern mit hohen und niedrigen Werten, die mit Punkt-Features verknüpft sind

Analysieren von Punkten mit einem Analysefeld Stellen Sie ein Analysefeld bereit, um Fragen wie "Wo bilden hohe und niedrige Werte Cluster?" zu beantworten. Das ausgewählte Feld kann Folgendes darstellen:

  • Zählwerte (wie die Anzahl der Verkehrsunfälle an Kreuzungen)
  • Verhältniswerte (wie die Arbeitslosigkeit in einem Ort, wobei der Ort als Punkt-Feature dargestellt wird)
  • Durchschnittswerte (wie die Durchschnittspunktzahl eines Mathematiktests in verschiedenen Schulen)
  • Indizes (wie die Bewertung der Kundenzufriedenheit bei Autohändlern in einem Landkreis)

Suchen von Clustern mit hoher und niedriger Punktanzahl

Analysieren von Punkten, kein Analysefeld Bei einigen Punktdaten gibt es kein hervorstechendes Analysefeld. Dies ist normalerweise der Fall, wenn jeder Punkt ein Ereignis, einen Vorfall oder eine Angabe zur An- oder Abwesenheit darstellt. In diesen Fällen können Sie herausfinden, wo die Cluster-Bildung ungewöhnlich ausgeprägt (statistisch signifikant) oder gering ist. Bei dieser Analyse werden Flächen-Features (ein vom Werkzeug erstelltes Netzgitter oder ein von Ihnen angegebener Flächen-Layer) über den Punkten platziert und die Punkte in jedem Bereich gezählt. Anschließend findet das Werkzeug Cluster mit hoher und niedriger Punktanzahl, die mit jedem Flächen-Feature verknüpft sind.

Bereiche festlegen, in denen Punkte möglich sind

Punkte, keine Analysefeld, begrenztes Untersuchungsgebiet Geben Sie einen Flächen-Layer an, oder zeichnen Sie Flächen, die ein Untersuchungsgebiet definieren, in dem alle Positionen mit potenziellen Ereignispunkt-Features analysiert werden sollen. Bei dieser Option wird durch das Werkzeug "Hot-Spots suchen" ein Netzgitter über das definierte Untersuchungsgebiet gelegt, und die Punkte in jedem Netzquadrat werden gezählt. Wenn Sie bei der Verwendung dieser Option nicht angeben, wo Ereignispunkte möglich sind, werden mit dem Werkzeug "Hot-Spots suchen" nur die Netzquadrate mit mindestens einem Punkt analysiert. Wenn Sie mit dieser Option jedoch angeben, wo Punkte möglich sind, wird die Analyse für alle Netzquadrate ausgeführt, die sich in den von Ihnen definierten begrenzten Flächen befinden.

Zählen von Punkten in Aggregationsflächen

Punkte, kein Analysefeld, Aggregationsflächen In einigen Fällen ist es sinnvoller, Flächen-Features wie Zählbezirke, Polizeibezirke oder Flurstücke anstelle des Standardnetzgitters zu analysieren.

Auswählen von "Teilen durch"

Normalisieren Ihres Datasets Es gibt zwei allgemeine Methoden der Identifizierung von Hot- und Cold-Spots:

  • Nach Anzahl: Wenn Sie ein bestimmtes Dataset analysieren, kommt es häufig vor, dass Sie Hot und Cold-Spots der Anzahl von Features in jeder Aggregationsfläche in Ihrem Untersuchungsgebiet suchen. Sie können beispielsweise Hot-Spots mit den höchsten Kriminalitätsraten und Cold-Spots mit den niedrigsten Kriminalitätsraten suchen, um Ressourcen zuzuweisen.
  • Nach Intensität: Andererseits kann die Analyse und das Verständnis von Mustern, die zugrunde liegende Verteilungen berücksichtigen, die ein bestimmtes Phänomen beeinflussen, ebenfalls aussagekräftig sein. Dieses Konzept wird häufig als Normalisierung bezeichnet bzw. beschreibt das Teilen eines numerischen Attributwertes durch einen anderen, um die Unterschiede in Werten auf der Basis von Flächengröße oder Feature-Menge in jedem Bereich zu minimieren. Im Zusammenhang mit Kriminalität möchten Sie beispielsweise ermitteln, wo sich Cluster mit hohen und niedrigen Kriminalitätsraten befinden, die die zugrunde liegende Bevölkerungsdaten berücksichtigen. In diesem Fall können Sie die Anzahl der Delikte in jedem Gebiet (unabhängig davon, ob dieses Gebiet ein Netzgitter oder ein anderes Flächen-Dataset ist) zählen und die Gesamtzahl der Delikte durch die Gesamtbevölkerung in diesem Gebiet teilen. Daraus ergibt sich eine Kriminalitätsrate oder die Anzahl der Verbrechen pro Kopf. Das Suchen von Hot- und Cold-Spots mit Verbrechen pro Kopf liefert Antworten auf eine andere Frage, die ebenfalls bei der Entscheidungsfindung hilfreich sein kann.

Beide Methoden der Analyse von Daten in Ihrem Untersuchungsgebiet sind gültig, es kommt lediglich auf die Fragestellung an.

Es ist wichtig, ein geeignetes Attribut auszuwählen, durch das geteilt wird. Sie müssen sich vergewissern, dass der Parameter Teilen durch ein Parameter ist, der tatsächlich Einfluss auf die Verteilung eines bestimmten Phänomens hat, das Sie analysieren.

Wenn Sie das Attribut Teilen durch für Esri Population auswählen, werden die Bevölkerungsdaten des Esri Demographics Global Coverage verwendet. Stellen Sie sicher, dass die Auflösung der Daten, die für das für Sie relevante Gebiet verfügbar sind, mit der Größe der anzureichernden Gebiete kompatibel ist (von Ihnen bereitgestellte Aggregationsflächen oder vom Werkzeug erstellte Netzquadrate).

Interpretieren der Ergebnisse

Die Ausgabe des Werkzeugs Hot-Spots suchen ist eine Karte. Je dunkler das Rot oder Blau der Punkte oder Flächen in dieser Ergebnis-Layer-Karte ausfällt, desto sicherer können Sie sein, dass die Cluster-Bildung kein zufälliges Ergebnis ist. Andererseits sind Punkte oder Flächen, die beige angezeigt werden, nicht Teil eines statistisch signifikanten Clusters. Das mit diesen Features verknüpfte räumliche Muster kann ein zufälliges Ergebnis sein. Manchmal geben die Ergebnisse der Analyse an, dass überhaupt keine statistisch signifikanten Cluster vorhanden sind. Diese Information ist sehr wichtig. Wenn ein räumliches Muster zufällig ist, gibt es keinerlei Anhaltspunkte zu den zugrunde liegenden Ursachen. In diesen Fällen werden alle Features im Ergebnis-Layer beige dargestellt. Wenn jedoch eine statistisch signifikante Cluster-Bildung vorliegt, geben die Positionen der Cluster-Bildung wichtige Hinweise auf die Ursachen der Cluster-Bildung. Das Auftreten statistisch signifikanter räumlicher Cluster-Bildung von Krebs in Verbindung mit bestimmten Umweltgiften kann etwa zu Richtlinien und Maßnahmen für den Schutz von Menschen führen. Auf ähnliche Weise kann die Ermittlung von Cold-Spots von übergewichtigen Kindern im Zusammenhang mit Schulen, in denen nachmittägliche Sportprogramme einen hohen Stellenwert haben, ein wichtiger Beweggrund sein, Programme dieser Art vermehrt zu fördern.

Problembehandlung

Die vom Werkzeug Hot-Spots suchen verwendete statistische Methode basiert auf einer Wahrscheinlichkeitstheorie und erfordert demzufolge, dass eine Mindestanzahl von Features effektiv funktioniert. Für diese statistische Methode sind außerdem verschiedene Anzahl- und Analysefeldwerte erforderlich. Wenn Sie beispielsweise Verbrechensfälle nach Zählbezirk analysieren und für jeden Bezirk die gleiche Anzahl von Verbrechen erhalten, kann das Werkzeug keine Berechnung durchführen. In der folgenden Tabelle werden die Meldungen erläutert, die beim Verwenden des Werkzeugs Hot-Spots suchen auftreten können:

MeldungProblemLösung

Für die ausgewählten Analyseoptionen sind für die Berechnung von Hot und Cold Spots mindestens 60 Punkte erforderlich.

Die Anzahl der in Ihrem Punktanalyse-Layer enthaltenen Punkt-Features ist für die Berechnung zuverlässiger Werte unzureichend.

Fügen Sie Ihrem Analyse-Layer mehr Punkte hinzu.

Sie haben auch die Möglichkeit, eingegrenzte Analyseflächen zu definieren, um Informationen dazu hinzufügen, wo Punkte hätten auftreten können, aber nicht aufgetreten sind. Bei dieser Methode benötigen Sie mindestens 30 Punkte.

Sie können auch Aggregationsflächen bereitstellen, die Ihre Punkte überlagern. Für diese Analyse sind mindestens 30 Polygonflächen und 30 Punkte in diesen Flächen erforderlich.

Wenn Sie über mindestens 30 Punkte verfügen, können Sie ein Analysefeld angeben. Dadurch stellt sich nun nicht mehr die Frage, wo sich viele oder wenige Punkte befinden, sondern wo hohe und niedrige Feldwerte räumliche Cluster bilden.

Für die ausgewählten Analyseoptionen sind mindestens 30 Punkte mit gültigen Daten im Analysefeld erforderlich, um Hot und Cold Spots zu berechnen.

Ihr Analyse-Layer enthält nicht genügend Punkte bzw. Punkte, die mit Analysefeldwerten verknüpft und nicht NULL sind, um zuverlässige Ergebnisse zu berechnen.

Wenn Sie über weniger als 30 Punkte verfügen, ist diese Analysemethode für Ihre Daten nicht geeignet. Wenn Sie über mehr als 30 Punkte verfügen und diese Meldung angezeigt wird, weist das angegebene Analysefeld möglicherweise NULL-Werte auf. Punkte mit NULL-Werten für das Analysefeld werden übersprungen. Eine andere Möglichkeit ist ein aktiver Filter zur Reduzierung der Anzahl der für die Analyse verfügbaren Punkte.

Für die ausgewählten Analyseoptionen sind mindestens 30 Polygone mit gültigen Daten im Analysefeld erforderlich, um Hot- und Cold-Spots zu berechnen.

Ihr Analyse-Layer enthält nicht genügend Polygonflächen bzw. Flächen-Features, die mit Analysefeldwerten verknüpft und nicht NULL sind, um zuverlässige Ergebnisse zu berechnen.

Wenn Sie über weniger als 30 Polygonflächen verfügen, ist diese Analysemethode für Ihre Daten nicht geeignet. Wenn Sie über mehr als 30 Flächen verfügen und diese Meldung angezeigt wird, weist das angegebene Analysefeld möglicherweise NULL-Werte auf. Polygonflächen mit NULL-Werten für das Analysefeld werden übersprungen. Eine andere Möglichkeit ist ein aktiver Filter zur Reduzierung der Anzahl der für die Analyse verfügbaren Polygonflächen.

Für die ausgewählte Analyseoption müssen sich mindestens 30 Punkte in der/den angrenzenden Polygonfläche(n) befinden.

Es werden nur die Punkte analysiert, die innerhalb der dargestellten oder bereitgestellten eingegrenzten Analyseflächen liegen. Um zuverlässige Ergebnisse zu liefern, müssen mindestens 30 Punkte innerhalb der eingegrenzten Analyseflächen liegen.

Wenn Sie nicht über mindestens 30 Punkte verfügen, ist diese Methode für Ihre Daten nicht geeignet. Wenn mindestens 30 Features vorhanden sind, ist die Bereitstellung anderer, möglicherweise größerer eingegrenzter Analyseflächen häufig eine Lösung.

Eine andere Möglichkeit besteht darin, einen Flächen-Layer mit mindestens 30 Aggregationspolygonen bereitzustellen, die mindestens 30 Ihrer Punkte überlagern. Wenn Sie Aggregationsflächen bereitstellen, wird die Analyse für die in jeder Fläche enthaltene Punktanzahl durchgeführt.

Für die ausgewählte Analyseoption müssen sich mindestens 30 Punkte in den Aggregationspolygonen befinden.

Es werden nur die Punkte in die Analyse einbezogen, die innerhalb der Aggregationspolygone liegen. Um zuverlässige Ergebnisse zu liefern, müssen mindestens 30 Punkte innerhalb der bereitgestellten Polygonflächen liegen.

Wenn Sie nicht mindestens über 30 Punkte verfügen, ist diese Methode nicht für Ihre Daten geeignet. Andernfalls sollten Sie eingegrenzte Analyseflächen zeichnen oder bereitstellen, die mindestens 30 Ihrer Punkte überlagern. Die angrenzenden Flächen sollten alle Positionen anzeigen, an denen Punkte auftreten können.

Für die ausgewählte Analyseoption sind mindestens 30 Aggregationsflächen erforderlich.

Mit der ausgewählten Option werden die Aggregationsflächen auf Ihren Punkten überlagert und anschließend die Anzahl der Punkte gezählt, die in jede Fläche fallen. Um zuverlässige Ergebnisse zu liefern, werden mindestens 30 Anzahlwerte (30 Flächen) benötigt.

Zuverlässige Ergebnisse können berechnet werden, wenn Sie mindestens 30 Punkte bereitstellten, die in mindestens 30 Aggregationsflächen liegen. Wenn Sie keine 30 Aggregationsflächen zur Verfügung haben, können Sie eingegrenzte Analyseflächen zeichnen oder bereitstellen, die mindestens 30 Ihrer Punkte überlagern. Diese angrenzenden Flächen sollten alle Positionen anzeigen, an denen Punkte auftreten können.

Hot- und Cold-Spots können nicht berechnet werden, wenn die Anzahl der Punkte in jeder Polygonfläche identisch ist. Verwenden Sie unterschiedliche Polygonflächen oder unterschiedliche Analyesoptionen.

Als die Anzahl der Punkte in jeder Aggegrationsfläche mit dem Werkzeug Hot-Spots suchen ermittelt wurden, waren alle Anzahlwerte identisch. Dieses Werkzeug erfordert zumindest einige Unterschiede bei den ermittelten Anzahlwerten, um Ergebnisse zu berechnen.

Sie können andere Aggregationsflächen bereitstellen, die nicht dazu führen, dass alle Flächen die gleiche Anzahl von Punkten aufweisen.

Anstelle von Aggregationsflächen können Sie auch eingegrenzte Analyseflächen zeichnen oder bereitstellen.

Sie können auch ein Analysefeld angeben. Dadurch stellt sich jedoch nicht mehr die Frage, wo sich viele oder wenige Punkte befinden, sondern wo hohe und niedrige Feldwerte räumliche Cluster bilden.

Punktpositionen weisen keine hinreichende Variation auf, um Hot- und Cold-Spots zu berechnen. Lagegleiche Punkte reduzieren beispielsweise die räumliche Abweichung. Sie können einen angrenzenden Bereich, Aggregationsflächen (mindestens 30) oder ein Analysefeld bereitstellen.

Das Werkzeug erstellt ein Netzgitter zur Überlagerung der Punkte basierend auf der Anzahl der Punkte und auf deren Verteilung. Nachdem die Anzahl der Punkte in den einzelnen Netzquadraten gezählt und die Quadrate mit Punktzahlen von Null entfernt wurden, verblieben weniger als 30 Quadrate. Für dieses Werkzeug sind mindestens 30 Anzahlwerte (30 Quadrate) erforderlich, um zuverlässige Ergebnisse zu liefern.

Wenn die Punkte wenige eindeutige Positionen einnehmen (wenn viele lagegleiche Punkte vorhanden sind), ist es eine Lösung, Aggregationsflächen bereitzustellen, die die Punkte überlagern, oder eingegrenzte Analyseflächen zu zeichnen oder bereitzustellen, die angeben, wo Punkte möglich sind und wo sie nicht auftreten können.

Sie können auch ein Analysefeld angeben. Dadurch stellt sich jedoch nicht mehr die Frage, wo sich viele oder wenige Punkte befinden, sondern wo hohe und niedrige Feldwerte räumliche Cluster bilden.

Die Variation unter den Punkten innerhalb der Grenzpolygonflächen ist nicht ausreichend. Sie können größere Grenzen angeben.

Das Werkzeug erstellt ein Netzgitter zur Überlagerung der Punkte basierend auf Punktpositionen und der Anzahl der Punkte. Nachdem die Anzahl der Punkte in den einzelnen Netzquadraten gezählt und die Quadrate außerhalb der eingegrenzten Analyseflächen entfernt sind, verbleiben weniger als 30 Netzquadrate. Für dieses Werkzeug sind mindestens 30 Anzahlwerte (30 Quadrate) erforderlich, um zuverlässige Ergebnisse zu liefern.

Wenn die Punkte unterschiedliche Positionen innerhalb der eingegrenzten Analyseflächen einnehmen, müssen Sie möglicherweise lediglich größere Grenzen bereitstellen. Wenn die Punkte wenige eindeutige Positionen einnehmen (wenn viele lagegleiche Punkte vorhanden sind), ist es eine Lösung, Aggregationsflächen bereitzustellen, die die Punkte überlagern.

Sie können auch ein Analysefeld angeben. Dadurch stellt sich jedoch nicht mehr die Frage, wo sich viele oder wenige Punkte befinden, sondern wo hohe und niedrige Feldwerte räumliche Cluster bilden.

Vermutlich sind alle Werte für das Analysefeld identisch. Hot- und Cold-Spots können nicht berechnet werden, wenn das analysierte Feld keine Variation aufweist.

Wahrscheinlich haben Sie ein Analysefeld angegeben, das denselben Wert für alle Punkt- oder Flächen-Features im Analyse-Layer aufweist. Die von diesem Werkzeug verwendete Statistik kann keine Berechnung vornehmen, es sei denn, es soll mit unterschiedlichen Werten gearbeitet werden.

Sie können ein anderes Analysefeld angeben oder für Punkt-Features Punktdichten analysieren, keine Punktwerte.

Für die bereitgestellten Daten konnten keine Hot- und Cold-Spots berechnet werden. Geben Sie ggf. ein Analysefeld an.

Nachdem das Werkzeug ein Netzgitter erstellt und die Anzahl der Punkte in jedem Quadrat ermittelt hatte, war die Anzahl aller Quadrate identisch, was unwahrscheinlich ist.

Stellen Sie eigene Aggregationsflächen bereit, zeichnen oder stellen Sie eingegrenzte Analyseflächen bereit, oder geben Sie ein Analysefeld an.

Die Zellengröße sollte kleiner sein als das Entfernungsband.

Sie haben einen Wert für Entfernungsband angegeben, der kleiner ist als die Größe der einzelnen Gitterzellen.

Überprüfen Sie die für Entfernungsband und Zellengröße angegebenen Einheiten; verwenden Sie den vom Werkzeug berechneten Standardwert oder einen Wert, der größer ist als die Größe einer einzelnen Gitterzelle.

Zusätzliche Informationen zu den Algorithmen, die vom Werkzeug "Hot-Spots suchen" verwendet werden, finden Sie unter Funktionsweise der optimierten Hot-Spot-Analyse.

Ähnliche Werkzeuge

Verwenden Sie das Werkzeug "Hot-Spots suchen", um herauszufinden, ob die räumlichen Muster in den Daten eine statistisch signifikante Cluster-Bildung aufweisen. Andere Werkzeuge, die hilfreich sein können, werden im Folgenden beschrieben.

Map Viewer Classic-Analysewerkzeuge

Zum Ermitteln von Ausreißern im räumlichen Muster von Daten, verwenden Sie das Werkzeug Ausreißer suchen.

Zum Erstellen einer Dichtekarte Ihrer Punkt- oder Linien-Features, verwenden Sie das Werkzeug Dichte berechnen.

ArcGIS Pro-Analysewerkzeuge

"Hot-Spots suchen" führt die gleichen statistischen Berechnungen durch wie die Werkzeuge Hot-Spot-Analyse (Getis-Ord Gi*) und Optimierte Hot-Spot-Analyse.