空间计量模型中的MoransI指数计算.docxVIP

空间计量模型中的Moran’sI指数计算

引言

在空间计量经济学与地理信息分析领域，研究者常面临一个核心问题：如何量化地理单元或空间观测值之间的关联程度？例如，某区域的经济增长是否与邻近区域的经济水平相关？污染物的扩散是否呈现局部集聚特征？这些问题的解答，依赖于对“空间自相关”的测度。Moran’sI指数作为最经典的全局空间自相关统计量，自20世纪50年代被提出以来，已成为空间计量模型中分析空间依赖关系的核心工具（CliffOrd，1973）。它通过整合观测数据与空间位置信息，能够直观反映变量在空间上的集聚或离散趋势，为后续空间回归模型的构建（如空间滞后模型、空间误差模型）提供关键前提。本文将围绕Moran’sI指数的计算逻辑展开，系统解析其理论基础、计算步骤、关键参数及应用要点，帮助读者全面掌握这一方法的核心要义。

一、空间自相关与Moran’sI指数的基本概念

（一）空间自相关：理解空间关联的起点

空间自相关（SpatialAutocorrelation）是指同一变量在不同空间位置上的观测值之间存在的相关性，这一概念由地理学家Tobler在“地理学第一定律”中首次明确——“任何事物都与其他事物相关，但相近的事物关联更密切”（Tobler，1970）。具体而言，空间自相关可分为正相关与负相关：正相关表现为相似值（高值或低值）在空间上的集聚（如经济发达地区的“块状分布”）；负