地图分析与应用MapAnalysisandApplications.pptVIP

* 右上和左下两个象限分别对应G统计量中的正的空间关联（高-高）和负的空间关联（低-低）。观察右上和左下两个象限的相对密度，可以了解全局空间关联模式在多大程度上是由高值还是低值之间的关联决定的。 观察左上和右下两个象限的相对密度，可以了解哪种形式的负的空间关联占主导地位。 此外，观察Moran散点图的左上和右下两个象限，还可以发现潜在的空间异常。以散点图的象限中心点为圆心，做一个半径为2的圆，可以认为圆以外的观测点是异常值。 这是因为，Moran散点图是用标准化的变量和其空间滞后构造的，图上2个单位的距离意味着偏离均值两个标准差，可以看作是异常值（Anselin and Bao 1997）。 * Moran 派生图 Moran散点地图 * 当在Moran 散点地图中仅显示那些显著高或显著低的观测值时，得到Moran显著性地图（Moran significance map）。 如果显著观测值属于散点图中的第一象限或第三象限，则认为存在显著空间聚集；如果属于第二或第四象限，则认为存在显著的空间差异。 Moran显著性地图 * 江苏省区域经济空间差异分析 ESDA (Exploratory Spatial Data Analysis，探索性空间数据分析)是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制。 改革开放以来江苏省县域经济差异在空间上的变化状况，影响江苏省区域经济差异扩大或缩小的空间机制。 应用案例 * 研究区域与数据来源 《江苏五十年(1949~1999)》和《江苏省统计年鉴》(2000~2003)。 空间分析尺度为江苏省77个县(市、区)，包括13个省辖市区和64个县(市)，时间序列为1978~2002年，分析变量为县级年人均GDP (现价)。 * 研究方法 全局空间自相关分析 局部空间自相关分析 Moran散点图，横轴对应变量z的所有观测值，纵轴对应空间滞后向量(Wz)的所有取值。每个区域观测值的空间滞后就是该区域周围邻居观测值的加权平均，具体通过标准化的空间权重矩阵来加以定义。 右上象限(HH)：区域自身和周边地区的经济水平均较高，二者空间差异程度较小。 左上象限(LH)：区域自身经济水平较低，周边地区较高，二者空间差异程度较大。 左下象限(LL)：区域自身和周边地区的经济水平均较低，二者空间差异程度较小。 右下象限(HL)：区域自身经济水平较高，周边地区较低，二者空间差异程度较大。 * 整个研究期间, Global Moran’s I估计值全部为正，且总体趋势在不断增加。 这表明，改革开放以来，江苏省县域经济发展水平相似(高高或低低)的地区在空间上集中分布，随着时间的推移，这种趋势还在不断加强。 江苏省区域经济发展的基本格局是发达地区集中在苏南，欠发达地区集中在苏北。正是苏南和苏北地区内部空间差异的缩小，才使得县域总体空间差异不断缩小。 * 改革开放以来，江苏省县域经济发展较快，县域之间的总体空间差异有了较大程度的缩小。 2002年，位于HH象限的县(市、区)个数由1978年的10个增加到28个，超过江苏省区域总数的1/3；相反，位于LH和HL象限的数量却分别由1978年的12和14个减少为2002年的6个。 位于HH象限的县(市)个数越多，县域经济的总体空间差异就越小。 * 那些原先经济基础比较薄弱，其周围地区也相对比较落后的县域(LL象限)，经过20多年的发展，依然没有摆脱相对滞后的局面。 截止2002年，江苏省仍有接近一半(37个)的县域属于LL象限，仅比1978年减少4个。 这一事实表明，江苏省区域经济协调发展的路子还很长。 * 改革开放初期，江苏省县域经济已表现出较为明显的空间分异格局。 与周边地区相比，全省县域可具体划分为以下四种类型： 空间差异较小、区域自身和周边水平均较高的县域(HH)，全部坐落在苏南地区； 空间差异较小，但区域自身和周边水平均较低的县域(LL)，绝大多数分布在苏北地区； 空间差异较大，区域自身水平较高，但周边较低的县域(HL)，多为苏中和苏北省辖市区； 空间差异较大，区域自身水平较低，但周边较高的县域(LH)，主要位于苏中省辖市的周边。 * 在5%显著性水平下，所有县域的Ii值均不显著。这表明，江苏省县域经济虽然在改革开放初期呈现出一定的地带性分布格局，但并不显著。这与表1中江苏省1978年县域人均GDP的Global Moran’s I估计结果在5%的水平上也不显著相吻合。 * 经过20多年的发展，江苏省县域经济空间差异分布格局发生了以下变化： ①HH区域从苏州、无锡地区向西北方向延伸至常州、镇江、扬州和南京等地。那些初期属于HH区域的吴县(现苏州吴