2変量モランのI / LISAを変更して自己を含める？

私はGeoDaの2変量MoranのI関数を使用して、郡レベルで2つの変数間のコロケーションのパターンを調べています（今のところはAとBと呼びます）。

分析を実行すると、「Aの値が高い郡には、Bの値が高い隣人がいる傾向がある」ということがわかります。

私がむしろ言いたいのは、「Aの値が高い郡は、Bの値が高い地域に位置する傾向がある」ということです。後者は、Aが高い郡とその近隣を含み、後者は、前者は隣人のみを含みます。

これを変更する方法を見ることができます-重み行列ですべての郡を独自の隣人にするだけですが、私と他の診断の値にこれがどのような大混乱をもたらすのか疑問に思っていました。

PS。ここで私が投稿したこの同じ質問に偶然遭遇した場合：https : //groups.google.com/forum/? fromgroups#!topic/openspace-list/ WUL1kQkenWo

私が受け取った回答は、かなり怒り狂ったレビュアーが注意深く指摘したように、間違っていたことに注意してください。

対角行列は自己電位を表します。通常、Moran's-Iを解くと、行列の対角線が削除されます。ただし、統計のデフォルトの動作を説明するGeoDaのドキュメントには何も見つかりません。ゾーン間重みを導出するためのオプションを見たことがないので、0であるため、対角線が削除されていると思います。決定的な答えについては、著者に連絡する必要があるかもしれません。

ArcGISの実装には、一変量の場合に自己電位を含めるオプションがあることを知っています（申し訳ありませんが、二変量の実装はありません）。ただし、それらは正しい検定統計量を持たず、非正規分布に直面すると、Z値とP値は安定しません。

おそらくこれを実装できる唯一の方法は、PySalやRなどでコード化することです。一変量ゾーン間重みは次のように計算されます：dij = 0.5 * [（Aij /π）** 0.5]しかし、 2変量調整を理解します。これを実装する場合は、その意味についてじっくりと考える必要があります。それがあなたの考えていることをあなたに提供するつもりかどうか、私にはわかりません。

特定の分布の仮定の下での空間時系列分析により適したスキャン統計の使用を検討できます。これは、仮説検定のためのより適切なフレームワークを提供します。また、Crimestatも調べます。私が覚えているように、不測の事態の振る舞いを定義する際にある程度の柔軟性があり、2変量のMoran's-I / LISAがあります。

自己回帰モデルを検討することもできます（Li et al。、2007）。この方法は、空間ウェイトマトリックスの固有値の関数によってメジャーを再スケーリングし、空間依存のはるかに堅牢なメジャーを提供します。

Li, H., C.A. Calder and N. Cressie. (2007). Beyond Moran’s I: Testing for spatial   
  dependence based on the spatial autoregressive model. Geographical Analysis 
  39:357–375. 

より明確な回答を提供できず、申し訳ありません。