【word】 基于空間自相關(guān)和時空掃描統(tǒng)計量的聚集比較分析

1、基于空間自相關(guān)和時空掃描統(tǒng)計量的聚集比較分析2012年第2期總第124期文章編號:10032398(2012)02-011909基于空間自相關(guān)和時空掃描統(tǒng)計量的聚集比較分析王培安.羅衛(wèi)華,白永平(1,西北師范大學地理與環(huán)境科學學院,蘭州730070;2.中國航天科技集團公司第四研究院四o一所,西安710025)com口e.arativeanaisisofaggregationdetectionbasedonspatialautocorrei-tionandspatialtem口eoralscanstatisticswangpei-an,luoweihua2,baiyongping(icolle

2、geofgeographyandenvironmentalscience,northwestnormaluniversity,lanzhou73oo7o,china,2,the401stinstituteofthefourthacademyofcasc,xjan710025,china)abstract:theproblemofaggregationeconomyhasbeenalwaysoneofthehotandfocusesoftheregionale-conomicresearch,andthepositioningofaggregationisaprerequisiteforcont

3、inuingindepthstudyinaggregationanalysis.usingdifferentmethods,thescopeoftheaggregationphenomenonisdifferent.becauseaggregationishighsensitivityinscale,theinfluenceofscalemustbefullyconsideredinusingthespatialanaly-sismethods.usingspatialautocorrelationmethodstodetectaggregation,thescaleofchoiceisoft

4、ensusceptibletosubjectivejudgmentsoftheresearchers;thereistheissueofpossiblewithselectionbias,sothespatialweightproblemhasbeencontroversia1.forspatialautocorrelationanalysis,thespatialweightmatrixcreationisthemostdifficultproblems.usingdifferentspatialweightmatrixwillgetdifferentresults.inaddition,t

5、heaggregationisobviouslyspace-dependentaswellastime-dependentsincedifferentaggregationtakesplacewithindifferenttimeandspace,whichisneglectedbythespatialautocorrelationmethod.thisisaconcretemanifestationofthedifferenceintimeandspace.sospacetimeanalysisisnecessarilyamethodwhichmustbeselected.atthispoi

6、nt,thescanstatisticsmethodwhichwasdevelopedbykulldorffandotherscholarsdemonstratedauniqueadvantage.theexploratoryresearchwillusedataaboutindustrialpopulationinsomecitiesandcountiesofzhejiangfrom2000to2009.inparticular,bycomparingthespacetimescanstatisticsmethodandasimplespatialautocorrelationmethod,

7、whicheffectivelyintroducesatimevariable,thisa口一proachallowsresearcherstosolvetheproblemalongtime,butthisapproachcanalsoincreasetheaccuracyoftheresults.thisshowsthatitisnotonlyeffectivemeasuretosolvetheproblemofartificia1selection.toachievethescaleextrapolationandautomaticconversion,andmorefavorablem

8、ixofthreedimensional,dynamic,multiscaleanalysis.keywords:scalematrix;spatialautocorrelation;spatialtemporalscanstatistics;aggregation提要:聚集是區(qū)域經(jīng)濟研究中的重點問題之一,而聚集定位問題又是深入分析聚集需要解決的首要問題.由于聚集具有高度的尺度敏感性,采用空間自相關(guān)方法分析時,尺度選擇容易受研究者主觀判斷的影響,而且空間自相關(guān)方法也未考慮聚集的時間特征.與之相比,kulldom等學者提出的掃描統(tǒng)計量方法表現(xiàn)出了明顯的優(yōu)勢.研究探索性地選用浙江省各市,縣工業(yè)從業(yè)

9、人口的聚集問題,從尺度選擇,尺度轉(zhuǎn)換和時空融合三個方面,比較了空間自相關(guān)和時空掃描統(tǒng)計量方法在探測聚集問題上的差異性,進而證實了時空掃描統(tǒng)計量方法不僅有效解決了人為選擇尺度的偏倚問題,實現(xiàn)了尺度推繹,轉(zhuǎn)換的自動化,而且更加有利地融合了立體,動態(tài),多尺度的時空分析優(yōu)勢.關(guān)鍵詞:尺度矩陣;空間自相關(guān);時空掃描統(tǒng)計量;聚集中圖分類號:f119.9文獻標識碼:a基金項目:國家自然科學基金項目(40771054);高等學校博士學科點專項科研基金聯(lián)合資助課題(20106203110002):西北師范大學知識與科技創(chuàng)新團隊項目(tlwllukjcxgc一0350)作者簡介:王培安(1974一),男,甘肅蘭州

10、人,博士研究生,主要研究方向為區(qū)域經(jīng)濟,區(qū)域發(fā)展與管理.e-mail:1398819800.收稿日期:2011-0902;修訂日期:2011-12.08huage0gaphyvol27o220l2揍2012年第2期總第124期1引言近年來,國內(nèi)外學者關(guān)于聚集經(jīng)濟的研究已經(jīng)逐步形成了一套完整的理論體系,從人口聚集到產(chǎn)業(yè)聚集,聚集理論已經(jīng)成為城市和區(qū)域經(jīng)濟發(fā)展中的經(jīng)典理論.但是一直以來,能夠?qū)奂瘑栴}進行定量分析的方法和工具仍然比較有限.隨著計量經(jīng)濟學和空間分析技術(shù)的深入發(fā)展,定量分析聚集的理論和模型開始逐漸豐富起來,除了采用基尼系數(shù),ellisonglaeser指數(shù)和空間集中度指標(

11、concenafionratio)等一些方法對聚集現(xiàn)象進行定量分析之外口,國外一些學者還發(fā)展出了利用空間自相關(guān)的方法對聚集問題進行研究的模型和工具,目前,這一方法得到了廣泛的應(yīng)用.空間自相關(guān)分析方法最初可能起源于生物計量學研究_引,現(xiàn)在已經(jīng)成了地理學的重要分析方法之一.空間自相關(guān)分析方法包括全局空間自相關(guān)(globalspatialautocorrelation)和局部空間自相關(guān)(localspatialautocorrelation)兩種類型,其中,全局空間自相關(guān)moran指數(shù)是由moran于1948年提出的,它反映了空間鄰接或鄰近區(qū)域單元屬性值的相似程度,但是moran產(chǎn)生之初并不能對聚集

12、的性質(zhì)進行判斷,所以,后來getis和ord于1992在全局moran指數(shù)的基礎(chǔ)上又提出了全局g系數(shù),以定量的方式對空間高低聚集的類型作出了判斷.此后,在moran指數(shù)和geary系數(shù)的基礎(chǔ)上,ansalin又發(fā)展出了空間自相關(guān)的lisa局部分析方法【41.目前,在許多的研究中,常用空間自相關(guān)的方法定量分析聚集問題,但是大量的實踐證明,這種方法存在較為明顯的缺陷.例如空間權(quán)重矩陣的構(gòu)建存在一定的爭議,不同的研究者對權(quán)重的選擇往往存在一定的差異,由于這種選擇差異,所以使得分析結(jié)果的解釋也不盡相同.此外,由于空間自相關(guān)建模的基礎(chǔ)是完全依賴于空間截面數(shù)據(jù)而產(chǎn)生的,完全沒有考慮時間的影響因素,但是,對

13、研究聚集問題來說,時空交互是一個本質(zhì)性的問題,所以拋開時間因素,單純研究空間現(xiàn)象,仍然是個不可忽視的缺陷.隨著空間分析技術(shù)的深入發(fā)展和研究者的共同努力,1995-2006年美國哈佛大學教授kulldorff等人結(jié)合前人研究成果,通過概率分布模型,提出并發(fā)展了一套掃描統(tǒng)計量的方法,這種方法不僅充分引入了時間變量,而且較好地解決了聚集研究中尺度轉(zhuǎn)換等問題.因此,本研究力求通過理論和實證分析,對這兩種方法做出比較,并對比較結(jié)果進行深入解析.2數(shù)據(jù)來源及處理2.1數(shù)據(jù)來源集聚經(jīng)濟類型決定著區(qū)域經(jīng)濟的發(fā)展方向,集聚經(jīng)濟可以分為城市化經(jīng)濟和地方化經(jīng)濟兩種類型翻.本研究將選擇城市化經(jīng)濟類型進行深入比較,城市

14、化經(jīng)濟的衡量指標是某地區(qū)工業(yè)從業(yè)人數(shù)占整個區(qū)域人數(shù)的比重.研究將選擇2000年至2009年浙江省各市,縣規(guī)模以上工業(yè)企業(yè)的從業(yè)人口數(shù)和年末總?cè)丝跀?shù)進行相關(guān)分析,分析所用主要數(shù)據(jù)來自于2001-2010年浙江省統(tǒng)計年鑒.2-2數(shù)據(jù)處理由于分析采用了三種不同的軟件,每種軟件對數(shù)據(jù)的類回堡型型和格式要求都不相同,所以需要對數(shù)據(jù)進行處理.首先,利用arcgis9.3將浙江省各市,縣工業(yè)從業(yè)人口和年末人口數(shù)據(jù)導(dǎo)入數(shù)據(jù)表中,生成shp格式文件(geoda0.9.5一i可以直接分析),然后在sam4.0軟件中標注后續(xù)lisamaps可以用于定位的索引碼(indexcode),最后,針對掃描統(tǒng)計量軟件clus

15、terseer0.2-3,將2000-2009年工業(yè)從業(yè)人數(shù)依次進行列轉(zhuǎn)置,使時間,地區(qū)坐標和人口數(shù)據(jù)逐年,逐地區(qū)相匹配,并對缺失數(shù)據(jù)以0代替,最后將結(jié)果合并到坐標和人口數(shù)據(jù)中進行分析.3空間自相關(guān)分析探索性空間數(shù)據(jù)分析(exploratoryspatialdataanalysis,esda)是檢驗是否存在著一個統(tǒng)計學意義上顯著的空間分布,并進一步了解生成這一分布的空間過程的一種方法l51.傳統(tǒng)的計量統(tǒng)計學方法大多只能處理空間的離散化數(shù)據(jù),無法定量地獲取數(shù)據(jù)之間的空間依賴關(guān)系,而esda的優(yōu)點在于能定量分析區(qū)域之間的相互聯(lián)系.白ciff(1981),getis(1992),ord(1992)等

16、將其引入到經(jīng)濟領(lǐng)域以來,esda得到了廣泛的應(yīng)用.空間自相關(guān)(spatialautocorrelation)作為esda的重要方法,主要包括全局或局部空間自相關(guān)兩種分析方法omoransi,gearysc,getis,joincount等都是比較常用空間自相關(guān)分析方法,這些方法基本原理相同,但適用范圍和側(cè)重點各有不同.通過張松林網(wǎng),洪國志m,陳彥光3j等學者的分析,認為moransi是比較典型且適用性較強的一種方法.由lucansalin研究開發(fā)的空間分析軟件集空間經(jīng)濟學,空間統(tǒng)計學分析于一體,可以專門進行這方面的數(shù)據(jù)分析.3.1全局空間自相關(guān)(g10balspatialautocorrela

17、tion)全局空間自相關(guān)moransi的計算公式是基于統(tǒng)計學相關(guān)系數(shù)的協(xié)方差(covariance)演變而來的.仁一(x.)(x.)!:!.(x1.x)i=lj=ii=1其中,w,為空間權(quán)重矩陣,反映空間鄰接或鄰近區(qū)域尺度的變化情況.對moransi的統(tǒng)計學顯著性可采用正態(tài)分布或隨機分布進行檢驗.按照上述公式計算所得moransi系數(shù)的取值范圍在.1和1之間,j為正值表示正相關(guān),j為負值表示負相關(guān),j為零表示不相關(guān),且值越大,表示屬性值的空間相關(guān)性越強.反之值越小,表示空間相關(guān)性越弱,當值趨于零時,說明對象在空間上呈隨機分布的趨勢.i值標準化的公式為:z(d=j.e(j)/麗通過該式可以檢驗/

18、1個區(qū)域是否存在空間自相關(guān)關(guān)系.對i值進行顯著性檢驗時,在5%顯著性水平下,z(d大于i.96時,表明研究對象空間分布上具有關(guān)聯(lián)性;z(d如果介干1.96和一1.96,表明研究對象的空間自相關(guān)性較弱iz(od果小于-1.96時,表明研究對象在空間上呈現(xiàn)負的白相關(guān)性.3.2局部空間自相關(guān)(localspatialautoconelation)全局空間自相關(guān)假定空間是同質(zhì)的,即只存在一種充滿整個區(qū)域的趨勢嘲,只能從整體上探測研究對象是否在研究2012年第2期總第124期有對比意義的聚集區(qū)域,分析中僅選擇高高(hi曲.hi)聚集區(qū)域進行對比,其他三種情況一律不在圖中顯示.從圖2的對比結(jié)果可以直觀地看

19、出,采用geoda常用的幾種鄰接準則所得到的高高聚集區(qū)域并不完全相同.其中,采用rook鄰接準則和queen鄰接準則得到的聚集區(qū)是一致的,而k-nearest,queen二階鄰接分析結(jié)果則差異性很大,相對于rook和queen的分析結(jié)果,k-nearest鄰接分析結(jié)果將紹興縣排除在了聚集區(qū)之外,使得紹興市區(qū)在整個聚集區(qū)成了一個”孤島”,同時聚集區(qū)中卻增加了寧?？h,這一結(jié)果與rook和queen的結(jié)論相差甚遠.同時,queen二階鄰接結(jié)果則將杭州市排除在了聚集區(qū)之外,結(jié)果的變異性很大.如果按照上述結(jié)果進行空間分析,那么所得到的結(jié)論將會有重大的差異.因此,采用鄰接準則進行空間自相關(guān)分析時,結(jié)論的可

20、靠性和穩(wěn)定性需要慎重對待.上述鄰接方式對聚集結(jié)果的影響主要是由內(nèi)在計算尺度的變化引起的,由于鄰接準則的改變,鄰接區(qū)域尺度的大小通過(尺度矩陣)進行了調(diào)節(jié),導(dǎo)致moransi值在計算時,相關(guān)系數(shù)發(fā)生了變化,從而影響到了最終的聚集結(jié)果.在實際應(yīng)用中,由于研究者理解和認識的差異性,使得尺度選擇帶有一定的主觀性,因而存在可能的選擇偏倚性問題,間自相關(guān)rook接分析結(jié)果這也是目前具有爭議性的權(quán)重矩陣問題成為空間自相關(guān)研究中的難點和熱點問題的主要原因所在.從上述對比可以看出,聚集具有顯著的空間依賴性.但是繼續(xù)進行多個時間比較,還會發(fā)現(xiàn)聚集同樣具有明顯的時間特征,具體表現(xiàn)在聚集的時空差異上,不同的時間范圍內(nèi)

21、,聚集發(fā)生的空間范圍也不相同.通過不同時間空間自相關(guān)距離尺度變化的相關(guān)性分析可以看出,聚集具有顯著的時間特征.從圖3可以顯著地看出,隨著時間推移,浙江省各市,縣工業(yè)從業(yè)人員空間聚集尺度的變化表現(xiàn)出明顯的時間相關(guān)性.在幾個時間范圍內(nèi),2000年與2003年相比,時間最近,所以工業(yè)從業(yè)人員的空間聚集尺度之間所表現(xiàn)出的線性相關(guān)性最強(計算所得pearsonsr=0.853);而2000年與2006年相比,時間間隔較遠,線性相關(guān)趨勢在逐漸減弱(pearsonsr=0.757);2009年與2000年相比,時間跨度最大,所以空間聚集的線性相關(guān)程度顯著降低(pearsonsr=0.579),表現(xiàn)為比較離散

22、的趨勢.另外,隨著時間的推移,不同距離尺度相關(guān)性的衰減程度還表現(xiàn)出顯著的時空差異性特征.從圖3可以看出距離2000年最近的幾個時間,存在顯著空間自相關(guān)性距離尺度的線性相關(guān)程度不僅在逐年減弱,而且從聚集尺度相關(guān)性的空間j相關(guān)k.nnearest鄰接分析結(jié)果空間j相關(guān)0been二階鄰接分析縮柴空間j相關(guān)queen鄰接分析結(jié)果圖2空間自相關(guān)不同鄰接矩陣hh聚集區(qū)結(jié)果比較圖fig.2comparisonofhhspatialaggregationareafordifferentspatialautocorrelationaacencymatrix囡.墜曼2曼蟹!,=鱉=型蘭王培安,羅衛(wèi)華,白永平:基于

23、空間自相關(guān)和時空掃描統(tǒng)計量的聚集比較分析衰減程度上也表現(xiàn)出一種規(guī)律性,即從2000-2009年,表現(xiàn)出空間正相關(guān)性的距離尺度的相關(guān)程度的衰減速度要低于負相關(guān)的衰減速度.2000和2009年負相關(guān)距離尺度的相關(guān)性的離散速度在圖中的變化最明顯,說明存在顯著正相關(guān)性的區(qū)域之間的影響力在時空上具有更強的穩(wěn)定ied更強的“滯后效應(yīng)”.通過圖3的對比可以看出,對于觀測對象來說,時間尺度的變化和空間尺度的變化一樣具有”距離”遠近的特點,距離近的,受到的影響要比距離遠的受到的影響更大,由于”時空距離”的遠近不同,反映出的信息量也有較大的差別,因此,受”時空臨近度的影響,人為選擇時空尺度的認知取向,對于分析結(jié)果

24、的穩(wěn)定性和準確性有很大的影響.如何更加客觀地選擇分析尺度或者進行多尺度,動態(tài)分析將是今后科學研究領(lǐng)域中的一個重大問題.利用全局moransi和局部lisa指標分析空間聚集時,在構(gòu)建鄰接準則或選擇距離尺度的過程中,一般都沒有考慮時間的影響,但是實際問題中,空間和時間作為觀測對象內(nèi)在屬性的兩個本質(zhì)表現(xiàn),二者缺一不可,所以僅僅從不同的空間尺度分析聚集現(xiàn)象是不全面的,必須考慮時空的交互作用(time.spaceinteractive),tobler在提出地理學”第一定律”時,只考慮了現(xiàn)象的空間關(guān)聯(lián)性,認為離得近的事物總比離得遠的事物之間的相關(guān)性要高,并沒有明確考慮時間的影響因素,所以從這個意義上”第一

25、定律”還應(yīng)拓展到時空關(guān)聯(lián)上才更為完整.對此,已有很多學者注意到了這個問題,而且明確地提出了相關(guān)的定義,概念和一些探索性的定量分析方法,例如李小文院士提出的”時空臨近度”_12,呂韜,曹有揮提出的”時空接近”131概念等.還有國內(nèi)外一些學者也針對時空分析(spatialtemporalanalys)開發(fā)出了相應(yīng)的分析軟件.綜上看出,采用空間自相關(guān)的方法探測聚集時存在明顯的缺陷,歸納起來主要表現(xiàn)在三個方面:鄰接尺度的選擇帶有一定的主觀性,結(jié)果缺乏必要的穩(wěn)定性和可靠性;鄰接矩陣建立的本質(zhì)是分析尺度的選擇,鄰接矩陣所產(chǎn)生的尺度是靜態(tài)的,單一的尺度;采用空間自相關(guān)分析聚集時根本沒有考慮時間因素,結(jié)論缺乏

26、時效性.近年來,隨著計量經(jīng)濟學的深入發(fā)展,1997年美國哈佛大學教授kulldorfft等人提出了一套掃描統(tǒng)計量的分析方法,在聚集分析方面較好地解決了上述三個問題,為研究聚集問題開辟了一條新的道路.4掃描統(tǒng)計量分析近年隨著掃描統(tǒng)計量模型的逐步發(fā)展和完善,掃描統(tǒng)計量方法已被廣泛應(yīng)用于醫(yī)學,生態(tài)學,地理學,社會學,經(jīng)濟學,人口學,犯罪學和災(zāi)害學等多個領(lǐng)域li5_l.尤其是瑞士,保加利亞等一些學者,通過開創(chuàng)性研究,逐步將掃描統(tǒng)計量方法延伸到了社會經(jīng)濟領(lǐng)域,其中hojekangt捌,devistuial_2i_,hannamaoht221及jur色noksl23等學者利用掃描統(tǒng)計量方法對經(jīng)濟聚集問題進

27、行研究,這為社會經(jīng)濟問題的研究,提供了有利的借鑒.因此,本研究也將探索性地將這一方法在浙江省工業(yè)從業(yè)人口的聚集問題中加以應(yīng)用.4.1基本原理1995年,美國哈佛大學教授kulldorff和nagarwalla針對聚集問題提出了一套掃描檢測的方法,但是這種方法只能進行單純的空間掃描,此后,于1997年kulldorff等在原來空間掃描的基礎(chǔ)上引入時間變量又發(fā)展出了時空掃描統(tǒng)計量(spatia1.temporalscanstatistics)的方法.其具體的做法是:首先,確立完整的研究區(qū)域,在該區(qū)域內(nèi)隨機選擇一個空間單元作為圓柱體窗n底面的中心;其次,不斷擴大圓柱體底面的半徑,改變掃描區(qū)域大小,同

28、時圓柱的高度也不斷隨時間的變化而升高,直到達到掃描窗口所設(shè)定的上限(圖4).這一掃描過程將在每個研究區(qū)域內(nèi)不斷重復(fù)進行;最后,根據(jù)掃描窗口內(nèi)外的實際發(fā)生數(shù)和預(yù)期發(fā)生數(shù),構(gòu)造檢驗掃描統(tǒng)計量的對數(shù)似然比(llr,loglikelikoodratio),再利用llr對窗口內(nèi)的異常值進行掃描探測.目前,掃描統(tǒng)計量方法主要包括單純的空間掃描,時空掃描和時空重排等.單純的空間掃描具有一定的局限性,其基本原理和掃描過程與時空掃描統(tǒng)計量比較相似,所以研究中只將其作為一種方法進行對比,不再深入贅述,而時空重排的一個重要假設(shè)是總的研究區(qū)域內(nèi),各單元的對比值呈均勻發(fā)展趨勢,例如人口的增長速度要基本保持一致,如果被研

29、究對象的時間跨度較大,對比值增速不一致,很可能造成分析結(jié)果的偏差(shiftbiaso所以以年為單位的數(shù)據(jù),不宜采用時空重排模型.因此,在分析浙江省工業(yè)從業(yè)人口數(shù)據(jù)2000-2003linearcorrelation2000.2006linearcorrelation20002009linearcorrelation圖3空間自相關(guān)距離尺度的時間依賴性比較fig.3comparisonoftimedependentforthedistancescaleofspatialautocorrelationhua黧8匿0g熱p雕vvol27o22(ji2/42012年第2期總第124期時,仍采用一般的時

30、空掃描統(tǒng)計量模型.圖4時空掃描統(tǒng)計量原理圖fig.4principleofspatial-temporalscanstatistics4.2模型建立采用時空掃描統(tǒng)計量時要考慮三個基本特征:被掃描區(qū)域的形狀和結(jié)構(gòu);掃描窗口的形狀及大小;基于無效假設(shè)的概率分布類型.在模型中窗口(windowsampling)可以是多種形狀的,例如圓形窗口,橢圓形窗el或任意多邊形窗口閉.選擇合適的窗口是正確進行空間掃描的前提.針對本研究中浙江省整個區(qū)域的形狀和空間特征,適宜采用圓形掃描窗口,具體模型如下:令n2代表所掃描圓形窗口z中的實際從業(yè)人數(shù),避代表掃描窗口z區(qū)域中的總?cè)?:3數(shù),(z)是根據(jù)無效假設(shè)得到的掃

31、描窗口z中的預(yù)期從業(yè)人數(shù).同時,令所有區(qū)域g中總的從業(yè)人數(shù)為no,而所有區(qū)域總?cè)藬?shù)為mo,所有區(qū)域預(yù)期從業(yè)人數(shù)為(g).(z)=mz(3)(g)=(z)(4)區(qū)域x的概率密度函數(shù)為:若z,l(5)公式(5)中的p是掃描窗口中實際的從業(yè)人數(shù)和預(yù)期的從業(yè)人數(shù)之比,q是掃描窗口z之外實際從業(yè)人數(shù)和預(yù)期從業(yè)人數(shù)之比,建立此函數(shù)的目的在于對比檢驗窗口內(nèi)外從業(yè)人數(shù)的概率密度.進一步建立掃描窗口的對數(shù)似然函數(shù)值:等ng-nz衛(wèi)w(xi)l0衛(wèi)z)是時空掃描窗口中z的似然函數(shù)值,是基于無效假設(shè)得到的似然函數(shù)值,因此,根據(jù)公式(6)和(7)可以回壘璺!魚:堡得到式(8)r:r:j_導(dǎo)里,n.!【g)j一rn)x

32、izno(8)對式(8)取對數(shù),可得對數(shù)似然率llr(loglikelikoodratioonzlog()+(n-nz)logng_bz卜njog()(9)則時空掃描窗口z中最大的似然率可以表示為:max【r:=maxfln【jl0g(麗nz)+(ncnz)logng_nzl)mllujl0g()j采用上述模型掃描時,因為窗口的不斷變化,會產(chǎn)生大量的掃描結(jié)果,如果對每一個窗口進行poison分布的假設(shè)檢驗會出現(xiàn)多重假設(shè)檢驗問題,從而導(dǎo)致虛假檢驗,為此,kulldorff等人采用蒙特卡羅模擬方法(montecarlorandomizationmethod)對各個窗口的統(tǒng)計學意義進行定量評價.4.

33、3實證分析采用上述模型對浙江省各市,縣工業(yè)從業(yè)人口的聚集性進行時空掃描,同時還采用clusterseer進行單純的空間掃描,純空間掃描選擇2009年的數(shù)據(jù),時空掃描選擇2000年到2009年的數(shù)據(jù).從掃描結(jié)果(表1)可以看出,2009年單純的空間掃描結(jié)果顯示有兩個可能的聚集區(qū)域,第個最大可能的聚集區(qū)(firstmostlikelycluster)主要集中在浙北地區(qū),包括寧波市,慈溪縣和紹興縣等24個區(qū)域,對數(shù)似然率(loglikelikoodratio,llr)為369.18.第二個可能的聚集區(qū)包括樂清市,溫嶺市和溫州市等6個地區(qū),對數(shù)似然率為31.86.相反,2000-2009年時空掃描結(jié)果

34、顯示,在引入時間變量之后,經(jīng)過一個較長時間的檢驗和篩選,第一個最大可能的聚集區(qū)過濾了海鹽縣,長興縣和桐廬縣等9個區(qū)域(圖5),大大提高了探測的效率,使重點區(qū)域更加突出和明確.同時,與單純的空間掃描結(jié)果相比,對數(shù)似然率顯著提高了2倍,達到了753.639.而第二個聚集區(qū)過濾了溫嶺市和瑞安市,對數(shù)似然率也顯著提高了2.5倍.從單純的空間掃描到時空掃描過程,能夠清楚地看到浙江省各市縣工業(yè)從業(yè)人1:21的聚集不僅具有顯著的空間依賴性,而且還有明顯的時間特征.單純的空間掃描只是選擇了一個時間點,通過擴大圓形掃描窗口的半徑,僅僅從某一時刻上對比了空間聚集發(fā)生的概率,對于聚集區(qū)的識別是比較籠統(tǒng)和粗糙的.而時

35、空掃描統(tǒng)計量的方法則可以結(jié)合時間,動態(tài)地自動變換窗口的尺寸,達到時空融合的目的,使掃描窗口由原來的圓形變成圓柱體.圓柱體的底面對應(yīng)著空間單王培安,羅衛(wèi)華,白永平:基于空間自相關(guān)和時空掃描統(tǒng)計量的聚集比較分析元,圓柱體的高則對應(yīng)著一定的時間范圍,這樣便達到了時空立體匹配的目的,而且由于圓柱體的窗口大ljo位置都在不斷自動地進行著立體變換,所以掃描區(qū)域也在動態(tài)變化.總之,從上述對比的結(jié)果可以看出,時空掃描統(tǒng)計量不僅能夠通過空間掃描對聚集區(qū)域進行有效識別,而且還可以結(jié)合時間趨勢,對聚集區(qū)域進行自動識別和過濾,從而能顯著提高探測的精度(從圖5最后一幅圖最能直觀地看出,從單純的空間掃描到時空掃描前后聚集

36、區(qū)的變化情況.此外,通過對數(shù)似然率llr,掃描統(tǒng)計量方法還能進一步對聚集區(qū)域進行概率上的分類,依次找出第一,第二乃至第三個最有可能的聚集區(qū)(first/second/thirdmostlikelyclustero對空間自相關(guān)和掃描統(tǒng)計量的結(jié)果進行比較.從圖5第一幅圖可看到,采用空間自相關(guān)queen鄰接矩陣(具有代表性的鄰接方式)進行比率分析,得到的高高(hi一hi曲)聚集區(qū)全部集中在浙東北地區(qū),主要包括杭州,紹興,慈溪和寧波等市縣,除了湖州,德清,上虞等區(qū)域外,這與單純的空間掃描結(jié)果和時空掃描結(jié)果是比較接近的,但是相對于掃描統(tǒng)計量來說,空間自相關(guān)對聚集區(qū)的探測沒有發(fā)現(xiàn)位于浙東南的溫州,樂清等市

37、縣,因為從實際的發(fā)展情況來看,溫州,樂清等地區(qū)的工業(yè)發(fā)展規(guī)模和實際從業(yè)人員的數(shù)量都比較突出,在整個浙江省乃至全國都有著比較重要的影響,從這一點來看,空間自相關(guān)的探測不完整;圖2繼續(xù)采用空間自相關(guān)k-nearest鄰接結(jié)果進行分析,可以發(fā)現(xiàn)鄰接尺度變化后,寧?？h也被列入了聚集區(qū)內(nèi),但從2009年實際的工業(yè)發(fā)展情況來看,寧?？h的工業(yè)產(chǎn)值排在全省第33位,工業(yè)從業(yè)人口也排在了第25位,所以k-nearest結(jié)果很顯然虛增了聚集區(qū)域,而與此同時,紹興縣卻被排斥到了聚集區(qū)之外,在整個聚集區(qū)范圍內(nèi)形成了孤島”,從紹興縣實際的工業(yè)發(fā)展情況來看,這顯然不符合實際;最后,繼續(xù)觀察queen二階鄰接的結(jié)果,可以發(fā)

38、現(xiàn)杭州市也被劃分到了聚集區(qū)之外,這與實際情況相比,誤差不言而喻.從空間白相關(guān)的分析結(jié)果來看,不僅鄰接準則選擇對分析結(jié)果的影響很大,而且結(jié)論的穩(wěn)定性和可靠性也缺乏足夠的保證.相比之下,時空掃描統(tǒng)計量的結(jié)果則更加符合實際情況.此外,將兩種掃描結(jié)果與空間自相關(guān)的結(jié)果進行比較,從掃描過程能夠發(fā)現(xiàn)掃描統(tǒng)計量方法在空間尺度選擇和轉(zhuǎn)換方面確實具有獨特優(yōu)勢.首先,尺度的選擇和轉(zhuǎn)換都是通過模型自動實現(xiàn),沒有人為因素影響;其次,尺度轉(zhuǎn)換中系統(tǒng)自動實現(xiàn)了時空融合的過程,這是空間自相關(guān)分析難以達到的.以圖5第四幅圖為例來說明整個掃描過程中尺度的轉(zhuǎn)換情況,在空間掃描過程中,系統(tǒng)會自動選擇浙江省所有市縣中的某個區(qū)域,例如

39、紹興市區(qū),然后將紹興市作為掃描窗口的圓心和起始位置,再將周圍所有的區(qū)域劃分成若干個圈層(窗口)進行掃描,例如,第一個圈層可以鎖定上虞市,紹興縣,余姚市,諸暨市和杭州市,分別比較圈層內(nèi)外的似然率;第二次掃描時,可以再將窗口擴大到海寧市,海鹽縣,富陽市,桐廬縣,浦江縣,義烏市,東陽市,新昌縣,奉化市,然后再比較兩個窗口的似然率,從第一次掃描到第二次掃描,整個窗口在擴大時系統(tǒng)會自動實現(xiàn)尺度的外推.依此類推,通過不斷的尺度調(diào)整,擴大掃描區(qū)域,進而將分析范圍擴大到全省,所有市,縣都將被覆蓋.整個過程中,窗口尺寸的改變是系統(tǒng)自動完成的,與空間自相關(guān)方法相比,模型有效地避免了人為選擇尺度的不利因素,而且很好

40、地實現(xiàn)了時空融合的目的,所以掃描結(jié)果更加客觀和準確.5總結(jié)與討論通過空間自相關(guān)和掃描統(tǒng)計量方法的比較,可以看出,在聚集探測方面,時空掃描統(tǒng)計量方法具有三方面的顯著優(yōu)勢:尺度選擇的優(yōu)勢.與空間自相關(guān)人為選擇鄰接或距離矩陣的方式相比,掃描統(tǒng)計量方法實現(xiàn)了尺度自動轉(zhuǎn)換的目的,避免了主觀選擇尺度的不穩(wěn)定因素;尺度轉(zhuǎn)換的優(yōu)勢.空間自相關(guān)分析所選擇的尺度是靜態(tài)的,單一,無法進行多尺度分析,而掃描統(tǒng)計量方法完全實現(xiàn)了從靜態(tài),單一尺度到動態(tài),立體多尺度的轉(zhuǎn)換;時空融合的優(yōu)勢.空間表1時空掃描統(tǒng)計量和純空間掃描統(tǒng)計量結(jié)果對比tab.1comparisonoftheresultsforspatialtempora

41、lscanstatisticsandpurespatialscanstatistics注:分析軟件clusterseer0.2.3(尺度外推趨勢均選擇線性外推方式).hua蓮0ahvvol27o22ol22012年第2期總第124期空間自相queen結(jié)果圖53.8.9時空掃描結(jié)果圖時空掃描和春空間掃描比較?識別疊加區(qū)圖5空間自相關(guān)和時空(空間)掃描結(jié)果對比圖fig.5comparisonoftheresultsforspatialautocorrelafionandspatial-temporal(spatia1)scanstatistics自相關(guān)方法分析聚集問題沒有考慮時間因素,而時空掃描統(tǒng)

42、計量方法充分融合了時空技術(shù),分析效果良好.除此之外,掃描統(tǒng)計量不僅能準確探測聚集發(fā)生的范圍,還能定量評價聚集發(fā)生的可能性,并根據(jù)似然率對聚集發(fā)生的層次進行劃分,識別最顯著熱點區(qū)域.掃描統(tǒng)計量還能按照時間性劃分為回顧型和前瞻型.回顧型能對已經(jīng)發(fā)生的聚集進行準確定位,前瞻型還能結(jié)合時空屬性,對未來的聚集范圍作出預(yù)測,能為下一步制定政策提供科學依據(jù).掃描統(tǒng)計量方法雖然具有上述種種優(yōu)勢,但其作為一種探索性的時空分析方法,正處在一個發(fā)展階段,所以仍然存在一些不足和局限.例如,對于某個空間單元來說,其形狀往往可能是不規(guī)則的,所以掃描窗口的形狀也應(yīng)該多種多樣,盡管kulldorff等學者努力改進了掃描窗口的

43、形狀,從最初的圓形窗口發(fā)展到了現(xiàn)在的橢圓形窗口,但這仍不足以應(yīng)對千變?nèi)f化的空間形狀.此后又有學者提出了任意形狀flexscan的掃描方法,但這種方法也僅僅局限于純粹的空間掃描,沒有拓展到時空領(lǐng)域.而且,掃描統(tǒng)計量方法也沒有充分考慮時空的非平穩(wěn)性因素,所以,后續(xù)的研究應(yīng)該更多地聚焦于此類問題,以提高時空掃描的準確性和實用性.參考文獻囡疊曼曼蘭竺1徐康寧.當代西方產(chǎn)業(yè)集群理論的興起,發(fā)展和啟示j.經(jīng)濟學動態(tài),2003,15(3):7075.2葛瑩,姚士謀,蒲英霞,等.運用空間自相關(guān)分析集聚經(jīng)濟類型的地理格局j_人文地理,2005,83(3):2025.3陳彥光.基于moran統(tǒng)計量的空間自相關(guān)理論

44、發(fā)展和方法改進lj.地理研究,2009,28(6):1450.1462.【4anselinl.localindicatorsofspatiassociationlisa.geographicalanalysis,1995,27(2):93115.5應(yīng)龍根,寧越敏.空間數(shù)據(jù)性質(zhì),影響和分析方法j.地球科學進展,2005,20(1):49-55.6張松林,張昆.全局空間自相關(guān)moran指數(shù)和g系數(shù)對比研究j.中山大學,2007,46(4):93.97.7洪國志,胡華穎,李郇.中國區(qū)域經(jīng)濟發(fā)展收斂的空間計量分析j1.地理,2010,65(12):1548.1558.8caofangdong,wujiang,xumin.researchonspatialdisparityofeconomyatcountylevelbasedonthespa