空間統(tǒng)計(jì)分析實(shí)驗(yàn)報(bào)告

1、空間統(tǒng)計(jì)分析實(shí)驗(yàn)報(bào)告空間統(tǒng)計(jì)分析實(shí)驗(yàn)報(bào)告一、一、空間點(diǎn)格局的識(shí)別空間點(diǎn)格局的識(shí)別1、平均最鄰近分析平均最鄰近距離指點(diǎn)間最鄰近距離均值。 該分析方法通過(guò)比較計(jì)算最鄰近點(diǎn)對(duì)的平均距離與隨機(jī)分布模式中最鄰近點(diǎn)對(duì)的平均距離，來(lái)判斷其空間格局，分析結(jié)果如圖 1 所示。圖 1 平均最鄰近分析結(jié)果圖計(jì)算結(jié)果共有 5 個(gè)參數(shù)，平均觀測(cè)距離，預(yù)期平均距離，最鄰近比率，Z得分，P 值。P 值就是概率值，它表示觀測(cè)到的空間模式是由某隨機(jī)過(guò)程創(chuàng)建而成的概率，P 值越小， 也就是觀測(cè)到的空間模式是隨機(jī)空間模式的可能性越小， 也就是我們?cè)娇梢跃芙^開始的零假設(shè)。最鄰近比率值表示要素是否有聚集分布的趨勢(shì)，對(duì)于趨勢(shì)如何，要根據(jù)

2、 Z 值和 P 值來(lái)判斷。本實(shí)驗(yàn)中的最鄰近比率小于 1 ，聚集分布，Z 值為-7.007176，P 值為 0，即這種情況是隨機(jī)分布的概率為 0，該結(jié)果說(shuō)明云南省詳細(xì)居民點(diǎn)的分布是聚集分布的，不存在隨機(jī)分布。2、多距離空間聚類分析基于 Ripleys K 函數(shù)的多距離空間聚類分析工具是另外一種分析事件點(diǎn)數(shù)據(jù)的空間模式的方法。該方法不同于此工具集中其他方法（空間自相關(guān)和熱點(diǎn)分析）的特征是可匯總一定距離范圍內(nèi)的空間相關(guān)性（要素聚類或要素?cái)U(kuò)散） 。本實(shí)驗(yàn)中第一次將距離段數(shù)設(shè)為 10，距離增量設(shè)為 1，第二次將距離段數(shù)設(shè)為 5，距離增量同樣為 1，得到如圖 2 和圖 3 所示的結(jié)果。從圖中可以看出，小于

3、 3 千米的距離內(nèi)，觀測(cè)值大于預(yù)測(cè)值，居民點(diǎn)聚集，大于 3 千米，觀測(cè)值小于預(yù)測(cè)值，居民點(diǎn)離散。且聚集具有統(tǒng)計(jì)意義上的聚集，離散并未具有統(tǒng)計(jì)意義上的顯著性。圖 2 K 函數(shù)聚類分析結(jié)果 1圖 3 K 函數(shù)聚類分析結(jié)果 23、密度制圖前面的最鄰近分析和 K 函數(shù)聚類分析只能得到從數(shù)值上的出空間分布的狀態(tài)，但并不能直觀看到分布集聚或分散的位置、形狀和大小。密度制圖根據(jù)輸入點(diǎn)要素的數(shù)值及其分布來(lái)計(jì)算整個(gè)區(qū)域的密度分布狀況， 并產(chǎn)生一個(gè)連續(xù)的柵格圖形，利用密度制圖可以通過(guò)密度顯示點(diǎn)的聚集情況。圖 4 核密度制圖結(jié)果小于 3 千米，居民點(diǎn)聚集，且聚集具有統(tǒng)計(jì)意義上的聚集，大于 3 千米，居民點(diǎn)離散，離散

4、并未具有統(tǒng)計(jì)意義上的顯著性在核密度分析中，落入搜索區(qū)內(nèi)的點(diǎn)具有不同的權(quán)重，靠近網(wǎng)格搜索中心的點(diǎn)會(huì)被賦予較大的權(quán)重，隨著與其網(wǎng)格中心距離的加大，權(quán)重降低。圖 4 中的值為詳細(xì)居民點(diǎn)之間的距離的密度， 從圖中可以看出居民點(diǎn)密集的地方核密度分析的值越大，居民點(diǎn)越密集，如上圖中用紅色橢圓圈出來(lái)的區(qū)域，該地區(qū)位于滇東南，居民點(diǎn)比較密集，可能與該地區(qū)的地形、氣候等因素有關(guān)。二、中心位置測(cè)度分析二、中心位置測(cè)度分析本實(shí)驗(yàn)中的測(cè)度分析包括云南省居民點(diǎn)的中心要素、 平均中心和中位數(shù)中心，結(jié)果如圖 5 所示。中心要素表示居民點(diǎn)中處在最中心的居民點(diǎn)，平均中心計(jì)算的是所有居民點(diǎn)質(zhì)心的平均中心， 中位數(shù)中心計(jì)算的是可使

5、所有居民點(diǎn)的歐式距離達(dá)到最小的點(diǎn)。平均中心和中位數(shù)中心的計(jì)算以 GDP 為權(quán)重，所以計(jì)算出來(lái)的平均中心和中位數(shù)中心為云南省的經(jīng)濟(jì)中心， 而中位數(shù)中心在計(jì)算的時(shí)候受異常值的影響較小，所以計(jì)算經(jīng)濟(jì)中心時(shí)一般以中位數(shù)中心為準(zhǔn)，如圖 5 中以 GDP 為權(quán)重計(jì)算出的中位數(shù)中心位于昆明市，與昆明市是云南省的經(jīng)濟(jì)中心相一致。圖 5 中心位置測(cè)度分析結(jié)果中心要素平均中心中位數(shù)中心三、離散度的測(cè)度分析三、離散度的測(cè)度分析圖 6 離散度測(cè)度分析結(jié)果離散度測(cè)度分析的結(jié)果如圖 6 所示， 本實(shí)驗(yàn)中的離散度分析采用的是標(biāo)準(zhǔn)距離和標(biāo)準(zhǔn)差橢圓。標(biāo)準(zhǔn)距離創(chuàng)建的是一個(gè)包含以平均中心點(diǎn)為中心的圓面，半徑為標(biāo)準(zhǔn)距離值，表示要素集

6、中分布的范圍；標(biāo)準(zhǔn)差橢圓創(chuàng)建的橢圓的中心同樣為平均中心，有兩個(gè)不同的標(biāo)準(zhǔn)距離，表示要素集中分布的趨勢(shì)。本實(shí)驗(yàn)中的離散度分析以 GDP 為權(quán)重來(lái)進(jìn)行分析，結(jié)果如圖 6 所示。圖中的數(shù)據(jù)顯示云南省居民點(diǎn)主要集中分布在中部和東部地區(qū)，是一個(gè)以安寧市為中心，半徑為 198 千米的圓，說(shuō)明云南省經(jīng)濟(jì)較發(fā)達(dá)的區(qū)域集中在以安寧市為中心的，半徑為 198 千米的圓內(nèi)，集中分布的趨勢(shì)為東北西南走向。四、空間自相關(guān)和事物屬性的空間分布格局四、空間自相關(guān)和事物屬性的空間分布格局某類事物的出現(xiàn)（例如犯罪、某類用地、某居住空間等）是否造成了周邊同類或異類事物或現(xiàn)象的出現(xiàn)，即空間是否自相關(guān)；找到某類事物或現(xiàn)象異常聚集的空

7、間位置（例如低收入階層聚集） ，以利于分析聚集的原因?？臻g自相關(guān)是指分布于不同空間位置的地理事物， 熱門的某一屬性存在同價(jià)相關(guān)性，通常距離越近的兩值之間的相關(guān)性越大，具體可分為空間正相關(guān)和負(fù)相關(guān)，常用 Moran 指數(shù)來(lái)表示。本實(shí)驗(yàn)通過(guò)分析來(lái)判斷是否存在高收入和高收入聚集， 低收入和低收入聚集，或者高低收入相鄰分布。一般情況下，適度的集聚可以更有效地滿足不同階層人的需求，但過(guò)度的高高收入和低低收入聚集會(huì)加劇居住空間分異，階層對(duì)立， 也容易引發(fā)各類環(huán)境問(wèn)題及社會(huì)矛盾， 同時(shí)集聚也關(guān)乎社會(huì)資源的分配。1、全局自相關(guān)統(tǒng)計(jì)圖 7 全局自相關(guān)統(tǒng)計(jì)報(bào)表對(duì)于 Global Morans I 統(tǒng)計(jì)量，零假設(shè)聲

8、明，所分析的屬性在研究區(qū)域內(nèi)的要素之間是隨機(jī)分布的；換句話說(shuō)，用于促進(jìn)觀察值模式的空間過(guò)程是隨機(jī)的。本實(shí)驗(yàn)中的 z 值為 2.671575，大于 0，表示云南省經(jīng)濟(jì)狀況存在著空間自存在空間自相關(guān)聚集分布相關(guān)，存在著聚集分布的趨勢(shì)，即經(jīng)濟(jì)發(fā)達(dá)的地區(qū)周圍的區(qū)域還是經(jīng)濟(jì)發(fā)達(dá)，經(jīng)濟(jì)落后區(qū)域周的區(qū)域還是經(jīng)濟(jì)落后， 但是光靠 Moran 指數(shù)還無(wú)從判斷是高高聚集還是低低聚集， 可進(jìn)一步采用高低聚類分析來(lái)判斷是高高收入聚集還是低低收入聚集。2、高、低聚類（Getis-Ord General G）由于 Morans I 指數(shù)不能判斷空間數(shù)據(jù)是否顯示高聚集還是低聚集，該分析也是用 z 值來(lái)檢驗(yàn)空間自相關(guān)的統(tǒng)計(jì)顯

9、著性，但不同的是，z 值得分為正值是意味著高高集聚，為負(fù)值意味著低低集聚。圖 7 高、低聚類報(bào)表高值聚集最后得到的結(jié)果 z 值為 4.519258，大于 0，說(shuō)明云南省的經(jīng)濟(jì)情況分布不均衡，存在著高高聚集的狀態(tài)，正常情況下應(yīng)該高低值都有，過(guò)于不均衡的聚集會(huì)導(dǎo)致社會(huì)矛盾的出現(xiàn)， 本實(shí)驗(yàn)中出現(xiàn)這個(gè)現(xiàn)象的原因可能是因?yàn)閿?shù)據(jù)的問(wèn)題，但也不能排除這種高值聚集現(xiàn)象的出現(xiàn)。應(yīng)該看高值出現(xiàn)的區(qū)域具體是在哪里，根據(jù)該地區(qū)的情況來(lái)分析高值出現(xiàn)的原因。五、空間模式分析五、空間模式分析局部空間自相關(guān)局部空間自相關(guān)1、聚類和異常值分析聚類和異常值分析, 用于發(fā)現(xiàn)局域空間是否存在空間自相關(guān)，他計(jì)算每一個(gè)空間單元與鄰近單元

10、就某一屬性的相關(guān)程度。HH 為高高聚集，HL 為高低聚集，LL 為低低聚集。從下圖中可以看出，在昆明和玉溪出現(xiàn)了幾個(gè)高高聚集的點(diǎn)，其他的點(diǎn)均為無(wú)效的點(diǎn)，說(shuō)明在云南省存在著一定的居民收入分布不均的情況，高收入主要集中在昆明市、安寧市和玉溪市。昆明地區(qū)不用說(shuō)是云南省的政治經(jīng)濟(jì)文化中心，其產(chǎn)業(yè)的發(fā)展是全省較好的，所以出現(xiàn)了高值；玉溪市距昆明較近，交通發(fā)達(dá)，其煙草行業(yè)帶動(dòng)了該地區(qū)的經(jīng)濟(jì)發(fā)展，使得該地區(qū)的居民收入增加。圖 8 聚類和異常值分析結(jié)果圖2、熱點(diǎn)分析熱點(diǎn)分析是可以較準(zhǔn)確地探測(cè)出局域空間自相關(guān)的有效方法， 它能較準(zhǔn)確地探測(cè)出聚集區(qū)域，而聚類和異常值分析（Anselin Local Moran I）對(duì)聚集范圍的識(shí)別偏差較大，能大致他側(cè)出聚集區(qū)域的中心，但探測(cè)出的范圍小于實(shí)際范圍。在上述聚類和異常值分析的實(shí)驗(yàn)中， 實(shí)驗(yàn)結(jié)果表明昆明市市區(qū)和安寧市以及玉溪市存在著高高聚集的， 但是熱點(diǎn)分析做出來(lái)的實(shí)驗(yàn)結(jié)果表明高高聚集這個(gè)狀態(tài)的范圍更廣，存在于昆明市大大部分地區(qū)、玉溪市的少數(shù)地區(qū)以及楚雄市的武定縣，而不是只