7.2-空间矩阵资料详情（新）.pptVIP

§7.2 空间效应 一、空间权重矩阵 二、空间相关性的指标 说明 空间效应的描述是空间计量经济学的核心，是正确设定空间计量经济学模型的基础。 空间效应包括空间相关性和空间异质性，因为空间异质性可以用传统的计量经济学方法进行处理，例如处理异方差性的方法，所以在本节中只关注空间相关性。 一、空间权重矩阵 1、空间权重矩阵 通常定义一个二元对称空间权重矩阵来表达n个位置的空间个体（例如区域）的邻近关系。 理论上讲，不存在最优的空间矩阵。即无法找到一个完全描述空间相关结构的空间矩阵。 一般讲，空间矩阵的构造必须满足“空间相关性随着‘距离’的增加而减少”的原则。 这里的“距离”是广义的，可以是地理上的距离，也可以是经济意义上合作关系的远近，甚至可以是社会学意义上的人际关系的亲疏。 2、空间矩阵的常规设定 空间矩阵的常规设定有两种： 简单的二进制邻接矩阵 基于距离的二进制空间权重矩阵 简单的二进制邻接矩阵的第i行第j列元素为： 在实际应用研究中，空间权重矩阵的选择设定是外生的，原因是（n×n）阶矩阵包含了关于区域和区域之间相关的空间连接的外生信息，不需要通过模型来估计得到它。 权重矩阵中对角线上的元素被设为0。 为了减少或消除区域间的外在影响，权重矩阵被标准化，使得行元素之和为1。 3、基于邻近概念的空间权重矩阵 基于邻近概念的空间权重矩阵（Contiguity Based Spatial Weights）包括一阶邻近矩阵和高阶邻近矩阵。 一阶邻近矩阵（the First Order Contiguity Matrix）是假定两个地区有共同边界时空间关联才会发生，即当相邻地区i和j有共同的边界用1表示，否则以0表示。一般有Rook邻近和Queen邻近两种计算方法。 二阶邻近矩阵（the Second Order Contiguity Matrix）表示一种空间滞后的邻近矩阵。 4、经济社会空间权重矩阵 除了使用真实的地理坐标计算地理距离外，还有包括经济和社会因素的更加复杂的权值矩阵设定方法。比如，根据区域间交通运输流、通讯量、GDP总额、贸易流动、资本流动、人口迁移、劳动力流等确定空间权值，计算各个地区任何两个变量之间的距离。 二、空间相关性的指标 1、全局空间自相关指标 Moran指数：反映空间邻接或空间邻近的区域单元属性值的相似程度。 Moran指数I的取值： 一般在[－1，1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。 越接近－1，则代表单元间的差异越大或发布越不集中； 越接近1，则代表单元间的关系越密切，性质越相似(高值聚集或低值聚集)； 接近0，则代表单元间不相关。 全局Geary指数 Moran指数的缺点：不能判断空间数据是高值聚集还是低值聚集。 Geary系数与Moran指数存在负相关关系。 Geary系数C的取值 一般在[0，2]之间，大于1表示负相关，等于1表示不相关，而小于1表示正相关。 标准化Geary系数Z(C) Z(C)为正，表示存在高值聚集 ； Z(C)为负，表示存在低值聚集。 2、局部空间自相关指标 局部Moran指数 局部Geary指数：一种基于距离权重矩阵的局部空间自相关指标，能探测出高值聚集和低值聚集。 Moran散点图：4个象限，分别对应于区域单元与其邻居之间4种类型的局部空间联系形式： 第1象限代表了高观测值的区域单元被同是高值的区域所包围的空间联系形式； 第2象限代表了低观测值的区域单元被高值的区域所包围的空间联系形式； 第3象限代表了低观测值的区域单元被同是低值的区域所包围的空间联系形式； 第4象限代表了高观测值的区域单元被低值的区域所包围的空间联系形式。 Moran散点图与局部Moran指数相比，其重要的优势在于能够进一步具体区分区域单元和其邻居之间属于高值和高值、低值和低值、高值和低值、低值和高值之中的哪种空间联系形式。 并且，对应于Moran散点图的不同象限，可识别出空间分布中存在着哪几种不同的实体 。 * 基于距离的二进制空间权重矩阵的第i行第j列元素为： 正值表示该空间单元与邻近单元的属性相似(“高—高”或“低—低”)，负的表示该空间单元与邻近单元的属性不相似(“高—低”或“低—高”)。 标准化 显著的正Zi表示单元的邻居的观测值高，显著的负Zi表示单元的邻居的观测值低。 *