ArcGisChapter08..doc

第三部分 高级数量方法及其应用 第八章 小人口基数小概率事件的地理分析方法及其在谋杀犯罪研究中的应用 我们在研究诸如癌症、爱滋病、谋杀案等小概率事件时，那些人口基数小的样本的发生率波动较大，不太可靠。第二章介绍的移动搜寻法（floating catchment area method）和经验贝叶斯平滑（empirical Bayesian smoothing method）等空间平滑技术可以用来缓解这些样本变数大的问题。本章对这类问题做一些更深入的探索。第8.1节综述当前各种分析小人口基数下小概率事件的方法。第8.2节先介绍两种简单易用的地理分析方法，即ISD法和空间位序法（spatial order method）。第8.3节介绍基于尺度空间理论（scale-space theory）的空间聚类方法，流程比较复杂，需要较多的编程工作，作者是用Visual Basic（VB）语言编程的。第8.4节利用一个实际案例，即通过对芝加哥市谋杀犯罪率空间变化的研究，讲解上述空间聚类法的应用。为了给读者提供一些背景知识，第8.4节也介绍了一些研究就业便捷度与犯罪关系的相关文献。第8.5节为本章小结。 8.1小人口基数小概率事件的分析 在犯罪学、医疗健康和其他一些应用研究中，经常会遇到分析小人口基数下小概率事件的问题，相关研究方法已有很长的发展历史。 以犯罪研究为例，谋杀案属于不常发生的小概率事件。基于小地理单元的谋杀犯罪率，或基于某类人群（某种少数民族、某年龄段、某收入阶层）的谋杀犯罪率，都存在人口基数太小，计算的犯罪率不太稳定的问题。犯罪学家常常采用一些非地理学的方法来解决这类问题。比如，Morenoff and Sampson，1997）在分析芝加哥谋杀犯罪的变迁时，使用的是各地区的犯罪数，而不是按人口平均的犯罪率，并且干脆删除那些人口基数小的统计样本，认为这些样本不太可靠。有的研究者只用州、都市区或整个城市等大的地理单元来分析谋杀犯罪率，或者合并多年的统计资料，生成一个相对稳定的谋杀犯罪率。Land et al., 1996; Osgood, 2000）主张利用泊淞回归分析法，而不是传统的OLS回归法，因为这类样本一般不满足OLS回归分析的两个前提条件：（1）残差均质同源(因为人口基数越小，犯罪率的误差越大)，（2）残差正态分布(因为人口基数越小，出现零犯罪率的机会越大，其残差为非正态分布)。附录8对此有更详尽的讨论。 另外，许多具有地理学背景的研究人员在疾病、卫生等相关领域的研究中，使用了一些空间分析方法或称地理学方法来探讨这方面的问题。地理学方法的目标是构建较大的地理单元，增加人口基数，从而获得较为稳定可靠的发病率。这类研究可以一直追溯到传统地理学的区域分类研究（Cliff等, 1975）。构建较大地理单元的方法，思路上类似于计算多年平均发病率，前者是通过扩大统计综合的空间范围，后者是通过延长统计综合的时间段，都是为了获得更稳定的发病率。例如等(Black et al., 1996)创立的ISD 法（命名来源于他们工作的苏格兰卫生部Information and Statistics Division），就是将苏格兰的人口普查区合并成较大地理单元，这些单元所含人口数相差不大。（Lam and Liu，1996）利用空间位序方法( spatial-order method)，把一些没有足够爱滋病病例的农村县合并成一个个较大的样本区，为美国农村爱滋病调查建立了一个切实可行的采样框架。这两种方法都强调合并的地理单元空间上要邻近，但没有考虑到它们是否属性同质。等(Haining et al., 1994)在划分英国谢菲尔德（Sheffield）大都市区的卫生管理时，将许多小的人口普查区合并起来，形成为数不多的卫生管理区（以下简称“谢菲尔德法”）。谢菲尔德法先将那些相邻的、贫困指数相似的人口普查区进行合并，然后根据一些主观规则和当地情况进行调整。显然，谢菲尔德法在空间合并的过程中，同时考虑了属性同质和空间相近这两个要素。换句话说，只有空间上邻近、属性又相似的区才能合并在一起。有区域分类经验的研究者都知道，在实践中很难二者兼顾。 在下一节将详细讲解ISD法和空间位序法。谢菲尔德法用到一些主观的合并标准，又要求操作者对研究区比较熟悉，所以运用时需要一定的人机交互工作量。第8.3节介绍一种基于尺度空间理论的空间聚类法，它像谢菲尔德法那样，根据属性相似来合并相邻的地区，但是根据一定的判断规则自动执行。基于此法可以构建不同大小的地理单元，因此，它可以用来检测多空间尺度下分析的结论是否稳定，也就是常说的“可变地域单元问题”（MAUP）。 表 8.1总结了上述各种小人口基数下小概率事件的分析方法。 8.2 IS