王法辉基于GIS的数量方法与运用Chapter096.pdfVIP

第九章第九章 空间聚类空间聚类、空间回归及其在地名、空间回归及其在地名、癌症和谋杀犯罪研究中的应用、癌症和谋杀犯罪研究中的应用 167 第九章第九章 空间聚类空间聚类、、空间回归及其在地名空间回归及其在地名、、癌症和谋杀犯罪研究中的应用癌症和谋杀犯罪研究中的应用 空间聚类分析可以探测事件在时间、空间上集聚或分布的非随机性。事件的非随机性表明 其空间分布存在着自相关性，而空间自相关性又要求在回归分析中利用特有的空间回归法。空 间聚类分析和空间回归问题早在几十年前就已经提出来了，但由于其计算量较大，最初应用十 分有限。随着计算能力的提高，特别是GIS 技术的广泛运用，这方面的应用软件 （包括一些免 费软件）的开发也发展很快，从而大大激发了人们的研究兴趣，拓展了这类方法的应用领域。 本章将讨论空间聚类分析和空间回归，介绍相关空间分析软件包的使用方法。 空间聚类分析在犯罪和健康研究中应用十分广泛。在犯罪研究方面，就是通常所说的“热 点区 （ hot-spot ）”分析。犯罪学家的研究表明，犯罪活动在空间上存在局部集中，形成“热点 区” ，其特征有：（1）明显表现在某些犯罪类型上，如毒品交易(Weisburd and Green, 1995)； （2 ）分布在某些特定地段，如贫民窟、酒吧；（3 ）在某些地段某类犯罪行为呈现出高峰值， 如公交车站或交通中转站的盗窃行为(Block, 1995) 。分析“热点区”对于警察和其他反犯罪机构 大有益处，有助于他们将目标锁定在有限的区域之内。空间聚类另一方面的应用是与健康相关 的研究。某种疾病是否在空间上表现出某种集聚态势？它的发病率在哪些地方高、哪些地方低 ？一些地区某种疾病的发病率高，可能是正常的随机波动引起的，并无一定的成因。一般只有 当高发病率在空间分布上具有统计显著性时，才有一定的研究意义 （Jacquez ，1998）。因此 ，空间聚类分析是许多探索性研究中基本的又十分有效的第一步，如果研究发现某种疾病确实 存在着空间集聚，那就需要更深入细致地调查、抽样观测和开展疾控工作。 空间聚类分析可以分为基于点和基于面两种方法。基于点的方法需要事件准确的地理位置 ，基于面的方法用的是地区内平均发病率。到底用哪种方法，关键取决于数据，基于点的方法 并不总是优于基于面的方法(Oden et al., 1996) 。本章的第9.1 节讨论基于点的空间聚类分析理 168 论，第 9.2 节是相应的案例，分析中国南部地区泰语地名的空间分布特征。第9.3 节讲解基于 面的空间聚类分析理论，第 9.4 节中给出了相应的案例，分析伊利诺伊州各种癌症的空间分布 2 。当前 ArcGIS 软件中的空间统计分析功能还很有限，只能实现基于面的空间聚类分析，其它 软件如CrimeStat (Levine, 2002)也具有类似的功能。我们利用SaTScan 软件包实现基于点的空 间聚类分析。第9.5 节介绍空间回归方法，第9.6 节介绍在GeoDa 软件包上如何实现，并通过 研究芝加哥市谋杀犯罪率的空间差异来讲解空间回归法的应用。第9.7 节为本章小结。 除 ArcGIS 软件外，SaTScan 和GeoDa 软件包都可以免费下载。具体的空间聚类分析和空 间回归分析方法还很多，本章仅仅通过三个案例，介绍一些常用的方法。 9.1 基于点的空间聚类分析基于点的空间聚类分析 基于点的空间聚类分析基于点的空间聚类分析 基于点的空间聚类方法可以归结为两大类，即全局聚类检验 （tests for global clustering ）和 局部聚类检验 （ tests for local clusters ）。 9.1.1 基于点的全局聚类检验基于点的全局聚类检验 基于点的全局聚类检验基于点的全局聚类检验 全局聚类检验用于分析研究对象在整个区域内是否具有空间集聚性。将所有观察个体区分 为事件和非事件两类 （如疾病研究中，事件就是病例，非事件就是未患病的个体）。以怀特莫 等(Whittemore et al., 1987)提出的全局聚类检验指标为例，先计算事件之间的平均距离，再计算 所有个体之间的平均距离。如果前者比后者低，则表明事件在空间上存在集聚。当研究区的中