# spatial-statistics

Скилл для пространственного анализа: проверяет кластеризацию, горячие точки и зависимость в геоданных, а потом помогает с диагностикой регрессии.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 35
- Автор: Muhammed Enes Duran
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/muend/geoai-skills/tree/HEAD/skills/spatial-statistics/SKILL.md
- Обновлён: 2026-10-17
- HTML: https://affpapa.org/nevibecode/skills/spatial-statistics

## Что делает

Скилл добавляет агенту дисциплину пространственной статистики. Работа начинается с выбора весов W: матрица соседства Queen/Rook для полигонов, K-ближайшие соседи для точек, дистанционный диапазон или ядро. Веса задаются по смыслу задачи, и к ним прилагается проверка на альтернативной матрице — иначе результат нечем подкрепить.

Дальше идёт связка «глобальное → локальное»: сначала Moran's I с перестановочным тестом, затем LISA и Getis-Ord Gi* с поправкой на множественные сравнения. Для явлений с населением скилл требует считать не абсолютные числа, а rates, и сглаживать их эмпирическим Байесом в мелких единицах. Для регрессии сначала OLS с LM-диагностикой, и только по её итогам выбирается SAR, SEM или GWR/MGWR через `mgwr`. В каждом итоговом отчёте остаётся остаточный Moran's I.

Код опирается на `libpysal`, `esda`, `spreg` и `pointpats` — их нужно поставить заранее. Что важнее: скилл прямо говорит, что обычная статистика молча завышает значимость на пространственных данных, поэтому без весов и диагностики остатков выводы делать не даст.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill spatial-statistics -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/spatial-statistics/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/spatial-statistics/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill spatial-statistics -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/spatial-statistics/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill spatial-statistics -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/spatial-statistics/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install muend/geoai-skills spatial-statistics
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/spatial-statistics/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill spatial-statistics -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/muend/geoai-skills --path skills/spatial-statistics
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/spatial-statistics/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill spatial-statistics -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/muend/geoai-skills/tree/HEAD/skills/spatial-statistics/SKILL.md

## Когда брать
- Проверить, есть ли вообще кластеризация в географических данных, а не только на глаз
- Найти горячие и холодные точки по интенсивности и отделить их от кластеров схожих значений
- Выбрать тип пространственных весов и показать, что выводы держатся на альтернативной матрице
- Разобраться, где нужна пространственная лаговая или ошибка-модель, а где хватает OLS
- Проверить остаточную автокорреляцию после регрессии и не принять её за чистый результат

## Примеры запросов агенту
- Проверь мои данные по районам на пространственную кластеризацию: построй веса Queen и посчитай Moran's I
- Сделай LISA-карту преступности с поправкой на множественные сравнения и объясни, какие кластеры значимы
- Сравни OLS и пространственную лаговую модель для `price`, покажи LM-диагностику и остаточный Moran's I

## Похожие
- [geomaster](https://affpapa.org/nevibecode/skills/geomaster.md) — скилл · 1900 установок
- [Statistics Canada MCP Server](https://affpapa.org/nevibecode/mcp/statistics-canada-mcp-server.md) — MCP-сервер · ★ 7
- [spatial](https://affpapa.org/nevibecode/skills/spatial.md) — скилл · 720 установок
- [nature-statistics](https://affpapa.org/nevibecode/skills/nature-statistics.md) — скилл · 11800 установок
- [statistics-fundamentals](https://affpapa.org/nevibecode/skills/statistics-fundamentals.md) — скилл · 813 установок
- [statistics-math](https://affpapa.org/nevibecode/skills/statistics-math.md) — скилл · 432 установки

Из того же набора: [muend/geoai-skills](https://affpapa.org/nevibecode/by/muend/geoai-skills.md) — 6 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md