文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 天文/地理 > 空间自相关方法及其主要应用现状_王永
侵权投诉

空间自相关方法及其主要应用现状_王永

·444·ChineseJournalofHealthStatistics,Aug2008,Vol.25,No.4

随机分布和近似正态分布两种假设进行验证。

2.局部Moran'sI

局部Moran'sI指数要求满足两个条件:(1)每个观察值的LISA(LocalIndicationsofSpatialAutocorre-lation)是反映它与空间相邻近的观察值空间聚集性的指标;(2)对全部观察值LISA值相加与空间相关性中的全局指标成正比。前者是说LISA是一个局部空间相关的测度。后者意味着可把全局型空间相关系数分解成各个区域上的空间自相关性。

对于第i个区域单元,Moran'sILISA定义为(xi- x)

Ii=xj- x)∑Wij(Sj,j=iS

2

n

空间自相关技术的应用现状

由于GIS技术的发展,与空间统计学相结合,空

间自相关分析技术也得到了充分的发展空间,成为空间统计分析的一个比较核心的工具,解决传统经典统计学不能解决的地理信息的问题,其应用领域包罗万象,包括地质、生态、经济学、环境检测、流行病、及影响处理等,其应用领域主要有以下几个方面:

1.在计量经济学中的应用

20世纪70年代早期Paelinck创建了空间经济计量学,用以泛指处理空间相关和空间异质的经济计量方法。直到最近这个领域才引起经济计量学者的关注。他们提出各种方法用来估计空间相关模型,如Jin,Y等创立的半参数的局部线性的空间相关模型,并用这些模型去研究区域集聚经济这种空间相关现象〔6〕。

根据空间自相关定义,集聚经济是一种空间自相关现象,因而可以采用空间自相关方法度量集聚经济程度。而对地区区域经济发展水平及其差异的研究一直是各相关科学学者关注的热点,其研究范围和尺度也有较大的差异,从研究国家之间、地带之间、省际之间的差异变化到省区内部的区域经济差异变化,研究的尺度也从以国家、省为区域单元到以乡镇为区域单元。集聚经济的类型决定着区域经济的发展方向,传统的度量指标如基尼系数、Ellison-Glaeser指数等〔7〕,但是这类指标都存在着空间邻近概念的缺失,却没有考虑相邻地区间经济的相互影响,反映不够全面。

因而该空间自相关技术不仅可以用图形示意区域集聚经济的类型,而且还可以用一些量化指标,结合区域经济增长极理论和中心-周围理论,解释区域的集聚经济的空间格局。

2.生态学研究中的应用

早在五六十年代,就开始有人尝试用于生态学和进化研究,然而,在生物学领域广泛开始应用也才是近十几年的事情。Sokal&Oden〔8-9〕在将空间自相关分析引入生物学领域时就强调了它在生态学研究中的应用,众多研究者开展了对植物群落,鸟类迁徙,以及土壤土性等方面的研究。

如比较成功的有加利福尼亚大学教授WalterD.Koenig对加利福尼亚州陆鸟间隔距离不等居住环境、大小、饮食习性,迁徙特点等的空间自相关分析。在地理范围为500~1200km的范围内,一部分鸟禽具有较强的空间自相关性;冬季,鸟禽在体型大小,聚居性和饮食方面没有明显的空间相关性,仅仅是候鸟相对于留鸟具有明显的空间自相关性。冬季,鸟禽在繁殖环境的喜好方面具有明显的空间自相关性,而鸟禽定居的草原和林地表现出较低的空间相关性,但是〔10〕

=n(xi- x), x=∑ni=1

2

nni=1

∑xi,且i≠j

在完全随机的假定下,Ii的理论平均值为E(Ii)=-Wi/n-1。

3.全局型Getis

全局型Getis也从总体上反映了研究目标的空间自相关性,它也不能反映某个区县与周围区域是正相关还是负相关以及相关程度,该模型如下:

nj=1

Gi(d)=

d)xixj∑Wij(

j=1

 j≠i

∑xj

其中Wij(d)为在d距离内的空间相邻权重矩阵,同样地,若i与j相邻,该Wij(d)为1,不相邻为0。此公式功能与全局型Morans'I相似。

4.局域型Getis

局域型Getis就是测量每一个i,在距离为d的范围内,与每个j的相关程度。公式如下:

nj=1

Gi(d)=

d)xj∑Wij(

j=1

∑xj

n

  j≠i

当j距i为d之内,权重矩阵Wij(d)=1,否则Wij=0;Gi(d)越高,则表示在给定距离下,该点所产生的影响力越大,由此可以成为研究事物发生的热点区域。

根据GetisandOrd的研究种发现,当距离d够大且(Wij)矩阵中的各距离权重没有相差太大时,Gi(d)统计量应该会近似于常态分布。但是,由于一般使用的几何距离为距离值d所定义的(Wij)矩阵往往会发生边际效应,因而可能造成矩阵中的距离权重有极大的差异。

因此,我们可以采用Anselin所建议的Conditionalrandomizationapproach,作Gi(d)统计量P值检验。判定其空间多数聚集或空间少数聚集的情形是否具有

上一页第2页

你可能喜欢

  • 空间自相关
  • 空间自相关分析
  • 好点子
  • 创新点子
  • 活动点子
  • 营销点子

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email