【摘要】:计算空间相关性的主要方法是空间Moran I指数的计算,主要包括全域空间自相关和局部空间自相关。全域空间自相关反映的是研究变量空间关联程度的总体特征,用Global Moran's I表示。根据表达式(4-1)可见,Global Moran's I的值介于-1和1之间。根据公式(4-1),可以计算出2001—2012年我国省际建成区面积的空间自相关Moran I指数。
计算空间相关性的主要方法是空间Moran I指数的计算,主要包括全域空间自相关和局部空间自相关。全域空间自相关反映的是研究变量空间关联程度的总体特征,用Global Moran's I表示。根据表达式(4-1)可见,Global Moran's I的值介于-1和1之间。
式中:n为总省区市数;yi,yj分别为省区市i和省区市j的建成区面积为全国各省区建成区面积的平均值;wij为空间权重矩阵。I值越趋近+1,说明观察变量在空间上上呈现高度正相关依赖性。越接近0,越说明观测数值在地理空间呈随机分布,彼此独立的特征。越接近-1,表明观察变量在空间上呈现高度负相关依赖性。根据公式(4-1),可以计算出2001—2012年我国省际建成区面积的空间自相关Moran I指数(见表4-1)。(www.daowen.com)
表4-1 中国省域建成区面积的Global Moran's I指数
表明我国省域建成区面积在空间分布上具有明显的正自相关关系,即全国各省域建成区面积的空间分布并非相互独立,而是表现出相似值之间的空间集聚:一个区域的建成区面积除了会影响东道区域的经济社会发展,也会因为溢出效应而影响周边地区的经济社会。因而,纳入空间因素分析很有必要。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。
有关城镇化现实问题实证分析与对策应用研究的文章