基于GIS 的区域经济统计分析模型研究及应用——-以江西省为例.doc

基于GIS的区域经济统计分析模型研究及应用——以江西省为例 李恒凯，刘小生，陈优良 (江西理工大学建筑与测绘工程学院) 摘要针对当前GIS软件不能有效满足区域经济统计分析的问题，提出了利用GIS技术重新构建区域经济统计分析模型的新思路。对该模型进行了具体建模和编程实现，并将该模型集成到区域经济统计分析系统中，最后利用该系统对江西省各地区经济进行了统计分析的应用实践。研究表明，该区域经济统计分析模型能够有效地应用于区域的经济统计分析，方便政府部门制定与经济相关的各种决策，具有广泛的应用推广价值。 关键词统计分析；GIS；集中化与均衡度指数；空间自相关；江西省 0 引言 GIS作为一种交互式的、可视化的决策支持工具，和GIS的结合[1]、席建[2]、麻清源[3]、陈斐[4]、宋琳[5]将空间相关分析与GIS[6]除了采用空间相关分析技术，还采用了相对发展率、锡尔系数和加权变异系数来研究区域经济差异及其演变规律；杜茂华[7]利用锡尔系数和基尼系数对GIS软件在统计分析GIS不能紧密集成，增加了这GIS作为数据管理和模型集成GIS进行重新构建，并基于这GIS的区域经济统计分 1 区域经济统计分析模型建立 1．1 模型建立思路 模型建立如图1所示，首先，利用GIS对区域统计单GDP数据，进而获得各统计单元历年GDP数据。利用统计单元的地图数据，结合GIS的GDP数GDP的空间自相关指数，得到区域GIS专题图形式进行直观GDP的空间集聚情况。可以对区域人口GDP数据进行相关分析，以了解人口对GDP的GDP数据，可以对这些 1．2 集中化与均衡度分析模型建立 为了揭示经济现象分布的基本格局，常常需要计算GDP数据，利用多种方法从多角度对其进行计算， 1．2．1 基尼系数。本模型利用基尼系数来分析各个区GDP数据，得到各个GDP数据。然后，对于每一GDP按由高到低进GDP由低到高的GDP占整个统计区域GDP的比重wi，人口Pi，基尼系数计算公式为 1.2.2 相对发展率。相对发展率表示各统计单元在某GDP的变化与同时期整个区域人均GDP[6]，可以准确地反映各个统计单元的式中：y2i和y1i分别表示i统计单元在时间2和时间1的人均GDP；y2，y1，分别表示整个统计区域在时间2和时间1上GDP。 1．2．3 集中化指数。本模型中用集中化指数来定量化GDP分布的集中程度。其指数构造Ik=(A-R)／(M-R)。式中：Ik表示第k年的区GDP集中指数；A表示各统计单元GDP占整个统计区域人均GDP总和的比重按从大R表示各统计单元人均GDP均匀分布时的累积百分比总M表示各统计单元GDP集中分布时的累积百分比总和。 1．2．4 变异系数。本模型中，利用变异系数计算各统GDP的相对变化程度。其计算公式为 1．3 相关分析模型建立 相关分析是揭示地理要素之间相互关系的密切程反映了区域人口与经济规模的关系，其计算公式为 1.4 空间自相关模型建立 空间自相关性使用全局和局部两种指标，全局指标Moran指数和局部Moran指数来度量区域平均GDP 1．4．1 全局Moran指数，定义如下，即 1．4．2 局部Moran指数Ii定义如下，即 2 模型应用实践 根据以上模型建立思路，以ArcEngine作为GIS软C#2008作为编程语言，以SQL Server 2005作2001－2008年度地级市社会经济数据作为测试数据，运用该系 2．1 经济的集中化与均衡度 通过运行系统，计算江2001－2008年各年度的GDP集中化指数和GDP变异系数。计算结果如表1所示。从表1可2001－2008年，江西省各地级市之间的人均收2001－2003年，集中化GDP数据可知，人均收入高的地方集中在南昌、景德镇、新余等地区。2003－2008年，该指数呈下降趋势，即集1变异系数可以看出，江西省各市之间的经济发展水2001—2008年这8年间江西省各地级市相对发展率，得2所示数据。 从表2数据可以看出：(1)各地级市相对发展率相4．5倍，说明省(2)江西省人GDP的相对发展率N大部分集中在0．6～0．8之间，(3)相对发展率最高的是新余，其次是南昌，遥遥领先于 2．2 人口与经济规模的秩相关分析 运行系统后，进入相关分析模型界面，利用各地区GDP数据与人口数据，计算出了它们之间的秩相关系GDP位序秩相关系数为0．7818，统计单元n=11，显著水平a=0．01，查表得临Ra=0．746，说明江西省各地区人口规模与GDP 2．3 人均GDP的空间自相关分析 运行系统后，进入空间自相关分析界面，