空间共位分析

奶茶店是不是总开在书店旁边？

你有没有注意过，有些东西总是"扎堆"出现在同一个地方 —— 比如书店旁边总有咖啡馆，地铁口附近总有便利店。这种现象叫"空间共位"。

但"感觉总是在一起"不等于"统计上真的在一起"。也许只是因为商业区本身店多，什么类型的店都多，并不是某两类店之间有特殊的关联。

空间共位分析就是用统计方法来回答这个问题：两类地理要素之间，是否存在显著的空间关联？

怎么用

第一步：导入数据 —— 导入一份包含经纬度的数据文件（Excel、CSV 或 Shapefile），数据中需要有一个"分类字段"来区分不同类型的要素（比如"品牌"列、"类型"列）。

第二步：设置参数 —— 在参数卡片中配置：

• 分类字段 —— 选择用来区分要素类型的列
• 目标类别 A 和 B —— 选择你想分析的两类要素（比如 A = 奶茶店，B = 书店）
• 近邻数 K —— 分析时考虑每个点周围最近的多少个邻居（默认通常为 5~10）
• 置换检验次数 —— 做多少次随机打乱来检验显著性（次数越多结果越可靠，但也越慢）

第三步：点击开始 —— 系统会计算局部协同区位商（LCLQ），并通过置换检验判断显著性。

结果说明

分析完成后，结果表格中会新增几列：

• LCLQ 值 —— 大于 1 表示该点附近 B 类要素比预期更多（正向共位），小于 1 表示比预期更少（负向共位），等于 1 表示随机分布
• P 值 —— 显著性检验结果，通常 P < 0.05 认为该共位关系是统计上显著的
• 显著性标记 —— 标记哪些点的共位关系通过了显著性检验

你可以把结果导出为 Excel 做进一步分析，也可以在地图上查看哪些区域的共位关系最强。

它在后台做了什么

系统使用的是 LCLQ（Local Colocation Quotient，局部协同区位商） 方法。简单说就是：对每个 A 类点，看它周围最近的 K 个邻居里有多少个 B 类点，和随机情况下的期望值做比较。然后通过多次随机置换（把所有点的类别标签打乱重新算），检验这个比值是不是偶然的。