SPSSAU_计量经济研究_莫兰指数.pdf

SPSSAU-在线SPSS分析软件

Moran墨兰指数局部moran全局moran邻接矩阵SPSSAU

Moran指数分析

Moran指数（莫兰指数）是研究空间关系的一种相关系数值，比如研究中国31省市GDP之

间是否具有空间相关关系。Moran指数通常分为两种，分别是全局Moran指数和local局部Moran

指数。全局Moran指数用于分析整体上是否存在空间相关关系，如果全局Moran指数呈现出显

著性，接着可进一步深入分析局部Moran指数了解细节性关系情况等。

Moran指数的计算上需要提供两项数据，分别是分析项数据，比如中国2021年GDP数据。

除此之外，还需要提供‘空间权重矩阵’数据，‘空间权重矩阵’数据用于标识中国31省市之间的‘邻

接’关系情况。‘空间权重矩阵’通常分为两类，分别是‘邻接矩阵’和‘距离权重矩阵’。‘邻接矩阵’使

用0和1来标识省份之间是否有‘接壤’关系，0代表没有‘接壤’关系，1代表有‘接壤’关系。‘距离

权重矩阵’使用具体数字表示省份之间的距离情况，此处的距离可为实际空间距离，也可以是经

济距离等。通常情况下，使用‘邻接矩阵’较多。

更多关于‘空间权重矩阵’的内容，建议研究者查阅相关资料，包括‘邻接矩阵’的构造原理上，

比如使用车相邻（Rook）、象相邻（Bishop）或后相邻（Queen）法等构造邻接矩阵等。SPSSAU

系统进行Moran指数时，需要传入‘空间权重矩阵’和‘研究项’共两项数据即可进行计算。

SPSSAU-在线SPSS分析软件

Moran指数案例

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果3

5文字分析4

6剖析6

1背景

当前有2021年中国31省市的GDP数据，并且有计算好的‘邻接矩阵’数据，现希望研究2021

年中国31省市GDP是否存在着空间相关关系，以及希望深入挖掘出一些潜在价值信息。当前的

部分数据截图如下：

数据中包括2021年31省市的GDP数据，并且包括31省市的邻接权重矩阵，在分析时，首

先上传数据，并且在分析时下拉选择‘2021年GDP’项，而邻接权重矩阵通过粘贴方式放入即可。

2理论

Moran指数研究空间相关关系，首先分析全局Moran指数是否呈现出显著性，如果是则意

味着存在着空间相关关系，接着可深入分析局部Moran指数，并且结合Moran散点图及研究对

象所在象限分布情况，进一步挖掘潜在价值结论。

SPSSAU-在线SPSS分析软件

3操作

本例子中操作截图如下：

✓选中‘LocalMoran指数’，则会计算局部Moran指数值；

✓下拉选择本案例研究项，即2021年GDP；

✓置换次数：莫兰指数检验即p值计算是通过蒙特卡罗原理计算，一般置换次数越大检

验稳定性越强，但该值越大计算量越大，常见选择99次或者999次即可；

✓权重矩阵：该参数代表‘空间权重矩阵’的标准化方式，默认是按行，可选按列标准化处

理，通常情况下默认按行即可。

✓空间权重矩阵：EXCEL粘贴框中放入空间权重权重，并且第1行标识研究对象名称，

空间权重矩阵为n*n数据结构。

4SPSSAU输出结果

moran指数模型一共输出3个表格和1个图，说明如下：

表格/图名称说明

全局Moran指数展示全局Moran指数及其检验

SPSSAU-在线SPSS分析软件

LocalMoran指数展示LocalMoran值及其检验等

Moran散点图