空间统计分析在区域社会经济分析中的应用分析.docVIP

空间统计分析在区域社会经济分析中的应用分析 　　摘 要 本文首先概述了空间统计学的一些基本概念、方法和原理，将空间统计学与区域社会经济分析相结合，分析了空间统计学与GIS相结合的途径，介绍了空间统计学应用于区域社会经济分析的方法及实例，最后展望了这一应用的发展前景。 　　关键字 空间统计分析；空间自相关；空间关联；区域经济分析 　　中图分类号C8 文献标识码A 文章编号 1674-6708（2014）119-0129-03 　　0 引言 　　空间统计学（spatial analysis）起始于20世纪60年代左右，经过五十几年的发展，已广泛应用于人类生活和发展的各个领域。空间现象不同于传统的统计对象，它们之间存在不同方向、不同距离成分等相互作用。传统的数理统计方法无法有效地解决空间样本点的选取、空间估值和两组以上空间数据的关系等问题。空间统计学的一些基本理论都是在传统统计学的基础上发展起来的。空间统计分析主要用于研究与地理位置有关的数据之间的空间关系，基于空间地理位置利用空间统计分析模型计算空间数据的关联度。它不仅能够进行数值计算，将数据分析与地理位置相结合，既考虑到样本值的大小，又弥补传统统计分析忽略空间方位的缺陷，更能描述和揭示空间数据中所蕴涵的独特的空间信息、关系、格局和过程。 　　空间统计分析主要分析的内容有基本统计量、探索性空间统计分析、分级统计分析、空间插值、空间回归和空间分类。空间统计数据在地方、区域和全国各级水平的经济发展分析过程中都发挥着重要作用 。城市的建设和发展与周边的环境是相互联系和影响的，因此城市布局的空间规律可以运用空间统计分析方法进行系统的计算。基于空间统计分析，可以通过对人均GDP的空间分布模式研究以探讨区域经济发展状况。利用GIS系统开发一个分析空间关联的功能模块，运用度量空间自相关、空间关联的一些空间统计分析方法，可将其应用于区域经济分析的各个方面。 　　本文首先分析了空间统计学中的基本原理，概念与经典分析方法，介绍了空间统计分析在区域社会经济分析各方面的应用实例，最后展望了空间统计分析的应用前景。 　　1 空间统计分析方法 　　空间数据基本上都具有定位、定性、时间、空间依赖、空间自相关等特征。数据间的空间关联对传统统计分析中相互独立的基本假设不成立，故在处理离散的区域社会经济数据时，需要引入空间统计分析方法。空间连续数据分析方法包括反距离加权法、简单克里格方法、普通克里格方法以及泛克里格方法。本文探讨了面状数据空间模式分析方法，研究地理位置数据间的空间依赖、空间关联或空间自相关。介绍空间权重矩阵，空间地物其位置邻近关系、确定空间权重矩阵的两个简单标准以及空间自相关的几种最著名的方法。 　　1.1 空间权重矩阵 　　通常情况下，为体现空间自相关指数，反映空间链接和空间邻近关系，常定义一个二元对称空间权重矩阵W来表达个位置的空间邻近关系。 　　空间权重矩阵的建立规则可以分为三类：一是根据相邻关系；二是根据距离关系；三是选择最近的个点（不论距离远近）。空间权重矩阵可以用来衡量空间位置之间的空间关联程度。 　　1.2空间自相关度量 　　空间自相关指同一变量在不同空间位置上的相关性。与区域社会经济相关的各方面因为受到地理分布上具有连续性的过程所影响而在空间上具有自相关特征。空间自相关指数能够对变量空间分布的自相关强度进行检验，空间自相关分析可以包括全程空间自相关分析和局部空间自相关分析。全程空间自相关用于分析整体范围内某一属性是否具有自相关性。局部空间自相关用于分析局部地区某一理现象或某一属性值是否具有自相关性。 　　1.2.1全局空间自相关 　　全局空间自相关一般用Moran系数和Geary比率来度量。 　　Moran I指数反映的是空间邻接或空间邻近的区域单元观测值的相似程度，其公式为 　　Moran指数I值取值一般在之间，小于零表示负相关，大于零表示正相关，等于零表示不相关。 　　Geary系数等方法也是可选择的统计指标，它与Moran指数是负相关关系。 　　对于Moran指数，可计算检验统计量标准化值Z来判断n个区域是否存在空间自相关性，如公式（4）所示。 　　当Z值为正且显著时，表明存在正的空间自相关，即相似的观测值趋于空间集聚；当Z值为负且显著时，表明存在负的空间自相关，即相似的观测值趋于空间分散；当Z值为零时，则呈随机的空间分布。 　　1.2.2局部空间自相关 　　一般而言，全局Moran系数可以很好的反映观测值全局的空间相关情况。而观测值的局部特征往往在全局评估中被掩盖了。当需考虑局部特征时，就需要引入局部空间自相关指标。常见的指标包括：空间联系的局部指标、G统计、Moran散点图。这里主要介绍Moran图和LISA。 　　1）