我对空间统计领域很陌生，但是我创建了三个数据集 .
Dataset - Persons: 这描述了具有一些变量的特定位置的个体 . 请注意，这些人位于所提供的城市 . 一个简短的解释：

  • POINT_X：城市的X坐标 .

  • POINT_Y：城市的Y坐标 .

  • city：他们居住的城市名称 .

  • 生病："1"说他们生病了 . 出于学习目的，所有人都生病了 .

  • 工作：如果他们有工作 . "1"表示：他们有一个，"0"表示他们没有一个 .

  • disnw：到最近的水点的距离 .

  • wID：不相关 .

Dataset - City: 这描述了一些城市，包括一些变量 . 这些简短说明：

  • city：城市的名称 .

  • 人口：城市人口 .

  • POINT_X：城市的X坐标 .

  • POINT_Y：城市的Y坐标 .

  • 病：该市的病人数量 .

  • notill：城市 Health 人数 .

  • disnw：距离最近的水域的距离（以km为单位） .

  • wID：不相关

  • rate_ill：城市病人的比率 .

  • rate_notill：城市 Health 人口的比率 .

Dataset - Waterfeatures: . 请注意，viallages与人在同一地点 . 这是一组空间点，描述了水功能 .

  • POINT_X：水上特征的X坐标 .

  • POINT_Y：水上特征的Y坐标 .

关于设置的地理概述（红色是人，蓝色是水特征，黄色是城市）
Plot

现在我想检查这样一个假设，即靠近水域的城市（因此变量较低的城市）的病人人数较多 . 那么，病人数量/病人比例与水景的接近程度之间是否存在相关性 . 我知道，数据集可能不具有代表性或不适合我的假设，但是现在这个事实并不重要 .
我对一种合适的方法非常不确定 . 方法，可能是有用的（至少从我的角度来看）：半变异函数，变异函数，Ripley的K函数，G函数，相关系数 .

为了更好地概述，我创建了示例数据集 . 你可以在这里找到这些：

persons = read.csv("http://pastebin.com/raw.php?i=3aMGi9Ax", header = TRUE, stringsAsFactors=FALSE)
city = read.csv("http://pastebin.com/raw.php?i=Lk3KXLQT", header = TRUE, stringsAsFactors=FALSE)
water = read.csv("http://pastebin.com/raw.php?i=hQRvMZwE", header = TRUE, stringsAsFactors=FALSE)

从你这边得到一些意见真是太棒了 . 也许你有一个提示，如何进行这种分析 .
提前致谢！

r geospatial correlation