Tôi có nên kiểm tra điểm z nếu giá trị p của Local Moran's I là đáng kể không?

Bộ dữ liệu tôi đang sử dụng chứa dữ liệu thu nhập trên mỗi khu vực. Các giá trị thường không được phân phối như thể hiện trong sơ đồ sau. Global Moran's I chỉ ra các mô hình không gian quan trọng và Local Moran's I tìm thấy các điểm nóng và lạnh đáng kể (theo giá trị p). Khi tôi kiểm tra điểm z, hóa ra các điểm lạnh không đạt đến mức đáng kể. Điều này có thể là do sự phân phối các giá trị thu nhập? Có điều gì tôi nên làm khác đi? Có thể sử dụng thu nhập đăng nhập?

Hoặc tôi có thể đơn giản bỏ qua điểm z miễn là giá trị p là tốt (= đáng kể, <0,05)?

(Sử dụng PySAL để tính cả I. Toàn cầu và Địa phương I.)

Đây là biểu đồ của thu nhập log:

Cập nhật:

Gần đây tôi đã thu thập một bộ dữ liệu thu nhập khác từ một quốc gia khác, trong đó các giá trị thu nhập thường được phân phối. Tính toán I của Moran địa phương cho bộ dữ liệu này dẫn đến các điểm nóng và lạnh đáng kể theo cả giá trị p và điểm z:

Theo tôi hiểu .. và tôi sẽ rất vui khi được sửa chữa .. những người Morans địa phương tôi tìm kiếm sự tự tương quan không gian trong các giá trị địa phương (nghĩa là liên quan đến các khu vực lân cận), giống như một phiên bản Global Morans I. Gettis Ord xác định các cụm không gian của các giá trị cực trị toàn cầu.

Nếu vậy, kết quả có vẻ phù hợp với bản đồ của bạn, Z đáng kể cho khu vực nhỏ có thu nhập rất cao, trong khi khu vực màu xanh chỉ là một lưu vực rộng trong một bề mặt địa phương dần dần.

Vì vậy, tầm quan trọng của giá trị Z phụ thuộc nếu bạn chỉ tìm kiếm các cụm thu nhập cao và thấp, hoặc tìm kiếm các cụm có ranh giới dốc, ví dụ như nếu so sánh bất bình đẳng thu nhập thực tế so với thu nhập?