还假设我在一个较小的区域内有许多点，因此只需显示一个图钉地图没有信息。
#1 楼
与往常一样，它取决于您的目标和数据的性质。对于完全映射的数据，强大的工具是Ripley的L函数，它是Ripley的K函数的近亲。许多软件都可以对此进行计算。现在，ArcGIS可能会这样做。我还没检查CrimeStat做到了。 GeoDa和R也是如此。Sinton，D. S.和W. Huber中出现了带有相关地图的用法示例。在美国绘制波尔卡及其种族遗产的地图。地理杂志第一卷106：41-47。 2007
这是Ripley K的“ L函数”版本的CrimeStatic屏幕截图：
蓝色曲线表示非常不点的随机分布，因为它不位于零周围的红色和绿色带之间，这是随机分布的L函数的蓝色迹线应位于的位置。
对于采样数据，很多取决于采样的性质。史蒂文·汤普森（Steven Thompson）的《抽样》教科书是一个很好的资源，可供那些数学和统计方面的背景知识有限（但并非完全没有）的人使用。
通常可以说明大多数统计比较的情况图形上和所有图形上的比较都对应或建议了统计上的对应关系。因此，您从统计文献中获得的任何想法都可能会建议一些有用的方法来映射或以图形方式比较两个数据集。
#2 楼
注意：以下是根据胡伯尔的评论进行编辑的。您可能希望采用蒙特卡洛方法。这是一个简单的例子。假设您要确定犯罪事件A的分布在统计上是否与B的分布类似，则可以将A事件和B事件之间的统计数据与这种方法的经验分布进行比较，以随机分配“标记”。
例如，给定A（白色）和B（蓝色）的分布，
您将标签A和B随机重新分配给组合数据集中的所有点。这是单个模拟的示例：
您重复多次（例如999次），并且对于每个模拟，您都需要计算统计信息（平均最近邻居）统计数据（在此示例中为统计））。后面的代码段在R中（需要使用spatstat库）。
），
nn.sim = vector()
P.r = P
for(i in 1:999){
marks(P.r) = sample(P$marks) # Reassign labels at random, point locations don't change
nn.sim[i] = mean(nncross(split(P.r)$A,split(P.r)$B)$dist)
}
或数字形式。
hist(nn.sim,breaks=30)
abline(v=mean(nncross(split(P)$A,split(P)$B)$dist),col="red")
平均最近邻居统计信息可能不是解决您问题的最佳统计方法。诸如K函数之类的统计信息可能会更具有启发性（请参阅胡布的答案）。
以上内容可以使用Modelbuilder在ArcGIS内部轻松实现。循环中，将属性值随机重新分配给每个点，然后计算空间统计量。您应该能够将结果汇总到表格中。
评论
您可能要考虑置换测试，而不是内核密度方法Manny。零假设是蓝色和白色标签与点无关。为了对此进行检验，请采用适合于邻域的统计信息（例如，沿着街道行驶的蓝点和白点之间的平均最近距离）。将颜色随机分配给所有点，并保持相同数量的蓝色和白色，然后重新计算统计量。重复多次以估计统计的零分布。将统计信息的实际值参考此分布以获取p值。
– hu
2012年1月31日16:15
谢谢胡伯。我从未想到将其视为明显的问题。我更新了我的答案以反映这种方法。但是，我不清楚我的原始方法（即使用核密度网格生成随机点）为什么会产生不同的结果。实际上，它（我的原始解决方案）没有如实反映A和B都来自类似过程的事实。这是因为内核密度方法没有利用点数据提供给我们的细节吗？
–MannyG
2012年1月31日17:45
内核密度具有很小的任意性（与半角的选择有关）。这可以有所作为。它也从实际发生的事情中删除了：有一个潜在的过程产生了点；您会看到该过程的一种实现；您将其制作为KDE；然后您从该KDE中获得新的认识。实际上，您只是在复制新配置，就像观察到的单个配置一样。在置换方法中，两个分布相同的零假设证明对标记进行置换是正确的：这是直接而有效的。
– hu
2012年1月31日19:08
感谢您的输入，当我有更多时间时，我将给出更完整的评论。最好注意此R代码（您甚至在答案中提到了R代码吗？），它利用了spatstat包中的函数。
– Andy W
2012年1月31日20:42
+1，利用像这样的置换测试的好处之一是1）当受地理编码器的特殊性（在大多数情况下，犯罪数据的地址或地址范围）的限制，与完全空间随机性相比，评估点模式的效果也不佳很有道理。 2）这样的置换测试避免了边缘效应的问题。当然，这些都是过分概括的，但是我认为可以将这种框架推广到评估许多不同类型的点模式统计数据。
– Andy W
2012年2月5日在16:26
#3 楼
您可能想查看CrimeStat。根据网站：
CrimeStat是由Ned Levine＆Associates开发的用于分析犯罪事件位置的空间统计程序，它是由美国国家司法学院（National Institute of Justice）提供的赠款资助的（grants
1997-IJ-CX-0040、1999-IJ-CX-0044、2002-IJ-CX-0007和
2005-IJ-CX-K037）。该程序基于Windows，可与大多数桌面GIS程序连接。目的是提供补充统计工具，以协助执法机构和刑事司法研究人员进行犯罪绘图工作。全球许多警察部门以及刑事司法和其他研究人员正在使用CrimeStat。最新版本是3.3（CrimeStat
III）。
#4 楼
一种简单而快速的方法是创建热图和这两个热图的差异图。相关：如何建立有效的热图？评论
不幸的是，对两个插值图或平滑图进行差分往往会告诉您有关插值或平滑方法的信息，而不是数据：-(.。如果必须进行插值，请务必做得好（例如，在执行EDA和变异函数后要进行krige），只需对其中一个数据集进行插值即可，您可以将一组中的实际数据与另一组数据集进行插值比较，从而消除了比较两个插值图的一半错误。其他类型的数据。
– hu
2010-12-16 19:41
我同意这种方法不适用于多种输入数据。我认为在分析点密度模式时可以给人留下良好的第一印象。
– Underdark♦
2010-12-16 20:27
毫无疑问，当插值是由专家进行并明智地解释时，您是正确的。
– hu
2010-12-16 22:23
#5 楼
假设您已经阅读了有关空间自相关的文献。通过工具箱脚本，ArcGIS提供了多种指向和单击工具来帮助您完成此任务：空间统计工具->分析模式。您可以向后工作-找到一个工具并查看所实施的算法，以查看它是否适合您的方案。有时我在研究土壤矿物发生的空间关系时使用了莫兰指数。
#6 楼
您可以在许多统计软件中运行双变量相关性分析，以确定两个变量之间的统计相关性水平和显着性水平。然后，您可以通过使用chloropleth方案映射一个变量，并使用刻度符号映射另一个变量来备份统计结果。叠加后，您可以确定哪些区域显示高/高，高/低和低/低空间关系。此演示文稿提供了一些很好的示例。您还可以尝试一些独特的地理可视化软件。我非常喜欢CommonGIS用于这种类型的可视化。您可以选择一个社区（您的示例），所有有用的统计数据和图表都将立即可供您使用。它使对多变量映射的分析变得毫不费力。
评论
这些是不错的主意，但是我注意到您引用的示例是成功的，因为这些属性对应于常见的功能集。在当前问题中，要素具有不同的位置，并且那些位置是随机变量（例如，不是固定的管理单位）。这些都是重要的复杂性，因为现在我们需要找到一些有意义的过程来将一个位置的值与其他位置的值相关联，并且我们需要应对这些位置本身的随机性。
– hu
2012年1月31日在16:41
感谢您的澄清！我误读了OP，并认为它是共享位置/地理范围的两个自变量（例如DA / CT等）
– Michael Markieta
2012年2月1日，0：55
#7 楼
平方分析对此非常有用。这是一种GIS方法，可以突出显示和比较不同点数据层的空间模式。可以对量化多点数据层之间的空间关系的四边形分析进行概述，网址为
http://www.nccu.edu/academics/sc/artsandsciences/geospatialscience/ _documents / se_daag_poster.pdf。
评论
（1）链接是404（这就是为什么我们要求答案包括所有链接的摘要的原因）。 （2）平方分析如何精确地比较两点分布？
– hu
2013年9月12日16:25
（1）该链接现在可能有效。 （2）平方分析将给定区域划分为大小适当的相等大小的单位。然后，它使用概率分析来确定每个正交图中点的实际频率与每个频率的期望值。在ArcMap的空间分析器扩展中，使用点密度命令和区域统计作为表格工具，除了可以汇总这些点要素类以进行回归分析外，我们还可以突出显示高密度点位置附近的区域。
–user21931
2013年9月13日在1:17
您已经描述了单点分析点分布的过程。可以对其进行调整（通过评估正交相关性）以比较两个过程的共现程度，但存在两个明显的局限性。首先，它没有研究过程之间的关系作为距离的函数。其次，通过将点组合成四边形，它会失去能量。断电意味着您可能无法识别重要的模式，否则意味着您需要收集更多数据才能实现调查目标。
– hu
2013年9月13日14:18在
我已经将此“过程”用于点分布的多元分析。尽管这确实意味着功耗下降，但它还提供了一种在视觉上和定量上比较处于唯一聚合级别的两个点模式分布的方法（此处是针对原始问题的解决方案）。
–user21931
2013年9月14日下午0:27
我希望您在我们网站上阅读的内容能激发您将来考虑使用其他方法的机会：它们将扩展您充分利用数据和有限研究资源的能力。
– hu
2013年9月14日的1:06
评论
感谢您的Dixon论文，它似乎是非常有用的资源。我从来没有遇到过空间交互和多变量模式的随机标记之间的区别。我将需要阅读。
– Andy W
2010-12-16 19:06
+1好资源。因此，“ 90％的鱼在10％的湖泊中”的古老捕鱼论据真的取决于采样方法吗？
– Kirk Kuykendall
2010-12-17 14:51
@Kirk对于我们许多人来说，0％的鱼在我们实际上设法到达的10％的湖中！
– hu
2010-12-17 22:35