利用Geoda实现面数据空间综合分析(BNU) 下载本文

内容发布更新时间 : 2024/12/23 16:50:33星期一 下面是文章的全部内容请认真阅读。

3.2.4城镇人口(TOWNPOP)分布

图8 城镇人口分布

由图8可知,浙江省各县的平均城镇人口为318343.01人,杭州,宁波,温州以及台州最多。本省中51个县市的城镇人口要低于全省平均水平。

3.2.5农村人口(RURALPOP)分布

图9 农村人口分布

由图9可知,江苏省各县的平均农村人口为322503.12人,乐清,瑞安,萧山要明显较大。本省中44个县市的城镇人口要低于全省平均水平。整体而言,浙江省的农村人口分布与第一产业的分布形式类似。

3.3全局的空间关联性分析

空间自相关的根本出发点是基于地理学第一定律,指一个区域分布的地理事物的某一属性和其他所有事物的同种属性之间的关系。空间自相关的基本度量时空间自相关系数,由空间自相关系数来测量和检验空间物体及其某一属性是否高高相邻分布或高低间错分布。其中空间正相关性是指空间上分布临近的事物其属性也具有相似的趋势和取值,空间负相关性指空间上分布临近的事物其属性具有相反的趋势和取值。

3.3.1基于单变量的空间自相关分析

选取指标的目标是刻画空间自相关性,具有此功能的指标较多,而通常使用Moran’s I作为空间自相关性指标。该系数是用来衡量相邻的空间分布对象及其属性取值之间的关系的

参考参数。系数取值范围在-1到1之间,正值表示该空间事物的属性分布具有正相关性;负值表示该空间事物的属性分布具有负相关性;0表示该空间事物的属性分布不存在相关性。其计算公式如式⑴所示:

其中,n为样本格数;yi、yj为i点或j点或区域的属性值;y为所有点的均值;Wij为衡量空间事物之间关系的权重矩阵,一般为对称矩阵。

Moran’s I的可信度检验方法如式⑵所示。

相关的变量意义与式⑴中接近。

㈠GDP第一产业增量的空间自相性分析

在加入相关权矩阵之后,通过选择Space→Univariate Moran即可调出相关的采单命令,具体的空间自相关结果如图10所示。

图10 GDP第一产业增量空间自相关结果图

计算得到的GDP第一产业增量的Moran’s I系数为0.5384,说明江苏省各县市的GDP第一产业增量在空间上存在正相关性。

具体检验空间自相关显著性时,运用蒙特卡罗模拟的方法来检验员验Moran’s I系数的显著水平。具体操作是通过Option→Randomization→999Permutations菜单命令实现的,具体结果如图11所示:

图11 GDP第一产业增量Moran’s I显著性检验

对应的P值等于0.0010,说明在99.9%置信度下GDP第一产业增量的空间自相关性是显著的。

得到第二产业GDP,第三产业GDP,城市人口以及农村人口的Morian’s I,以及运用蒙特卡罗模拟的方法来检验员验Moran’s I系数的显著水平。

第一产业GDP 第二产业GDP 第三产业GDP 城市人口 农村人口 Morian’s I 0.5384 0.2842 99.6 0.116 95.8 0.0997 94.1 0.1605 98.5 置信度(%) 99.9 表一:Morian’s I指数以及置信水平

总体而言,GDP第一产业增量和GDP第二产业增量空间分布的相关性强,地理位置分布集中,这是由于第一二产业受到经济发展水平的强烈影响,而江苏省中西部的发展不平衡的状况,造成了研究区内经济发展水平的差异,从而第一二产业集中发展的现状。

3.3.2基于多变量的空间自相关分析

对于分析多变量的空间相关性而言,Moran’s I系数的方法依然可以使用。依据相关的排列组合,本文可以分析出十种双变量之间的空间分析关系。本文作者在分析GDP各产业影响因素的时候,最终选择进行三种双变量的空间关联性分析。