Indice de moran con datos de Conductividad Electrica

Importando los datos

library(readxl)
BD_MORAN_1_ <- read_excel("BD_MORAN (1).xlsx")
#View(BD_MORAN_1_)

Se genera un plot con los datos completos del excel

plot(BD_MORAN_1_$X_MCB, BD_MORAN_1_$Y_MCE ,col= BD_MORAN_1_$CEa_150,pch=19, main = "Distribucion espacial de Conductividad Electrica", xlab = 'Coordenadas x', ylab = 'Coordenadas Y', cex = 0.8)

# Creacion del data frame 1 y se cambia el nombre de las variables

dfce<-data.frame(valor = BD_MORAN_1_$CEa_150,
                x= BD_MORAN_1_$X_MCB,
                y = BD_MORAN_1_$Y_MCE )

head(dfce)
##    valor        x        y
## 1 18.125 843499.2 955943.4
## 2 17.734 843498.9 955943.5
## 3 18.555 843498.6 955943.5
## 4 18.203 843498.4 955943.6
## 5 18.203 843498.1 955943.6
## 6 18.750 843497.8 955943.7

Como no se pueden correr tantos datos se eligieron 1000 datos de tal manera tomen un area similar a la anterior

library(ape)
muestra <- seq(1,18000,18)
dfce2 = dfce[muestra,]
# Se crea un plot con los 1000 puntos escogidos 
plot(dfce2$x, dfce2$y, main = 'distribucion CE 1000 puntos', xlab = 'x', ylab = 'y', cex = 0.9, pch = 16, col = 'darkgreen')

# Creacion de la matriz 
mdistancias <-as.matrix(dist(cbind(dfce2$x, dfce2$y)))
# Inverso de la matriz 
mdistanciasinv <- 1/mdistancias 
# Se pasa de infinito a cero 
diag(mdistanciasinv) <- 0 
# Se calcula el Indice de Moran 
Moran.I(dfce2$valor, mdistanciasinv) 
## $observed
## [1] 0.1498155
## 
## $expected
## [1] -0.001001001
## 
## $sd
## [1] 0.003273829
## 
## $p.value
## [1] 0

Como la hipotesis nula dice que no hay dependecia espacial y de acuerdo al p valor esta hipotesis se rechazaria por lo que se dice que si hay dependencia espacial.