1.概述
空间计量经济学创造性地处理了经典计量方法在面对空间数据时的缺陷，考察了数据在地理观测值之间的关联。近年来在人文社会科学空间转向的大背景下，空间计量已成为空间综合人文学和社会科学研究的基础理论与方法，尤其在区域经济、房地产、环境、人口、旅游、地理、政治等领域，空间计量成为开展定量研究的必备技能。
说起空间计量经济学（Spatial Econometrics），我们不得不说起空间统计学（Spatial Statistics）。空间计量经济学源于空间统计学，前者侧重模型驱动的研究方法，而后者则更加侧重数据驱动的研究方法。空间统计学是以具有地理信息特征的事物为研究对象，借助统计学和图形技术，更加直观的反映事物的空间模式、空间分布和空间相互作用。空间统计学最核心的内容就是探索性空间数据分析（Exploratory Spatial Data Analysis），简称ESDA。
ESDA借助于一些空间分析工具，如：Arcgis、Geospace、Geoda，运用统计学和可视化技术，对数据全面深入的分析来了解其空间分布、结构和相关性特征。今天，我们主要介绍Geoda进行探索性空间数据分析的基本操作方法。Geoda是一个免费、开源的空间数据分析软件，由Luc Anselin博士和其团队开发，能够提供友好的用户界面和丰富的ESDA方法，例如空间自相关统计和基本的空间回归分析，并且能够读取多种格式的空间数据，可视化效果直观、清晰，是学者进行空间统计、区域经济分析的首选。
2. Geoda简介
GeoDa是一个设计实现数据探求性空间数据分析（ESDA）的软件工具集合体的最新成果。它向用户提供一个友好的和图示的界面用以描述空间数据分析，比如自相关性统计和异常值指示等。
GeoDa的设计包含一个由地图和统计图表相联合的相互作用的环境，使用强大的连接窗口技术。GeoDa能在任何风格的微软公司的操作系统下运行（Win95，98，2000，NT，Me，andXp）。
2018年6月，GeoDa中文版在武汉正式发布。GeoDa中文版基于Github开放平台协作研发，底层采用C++语言、wxwigets开发包以及PoEdit等工具，实现了GeoDa中文化功能。该版本完成了对GeoDa软件各项功能菜单、对话框等内部语言中英文词条的提取和英译中工作，并由多名空间统计分析专家学者核查英译中词条的正确性，实现了GeoDa中英文双向一键转换。（下载网址：https://geodacenter.github.io/download_windows.html）
Geoda软件适用于区域经济学、法学、政治学等社会学科，以及医学、地理学、植物学、土壤学、地质学、水文学和气候学等领域。
3.莫兰指数应用实践（基于GeoDa1.20.0中文版）
3.1、软件界面
打开软件界面如下：
图1软件主界面
3.2、打开shp文件
导入Central.shp文件，界面为：
图2文件打开界面
导入Central.shp文件，具体步骤如下：打开Geoda软件，点击文件—新建—选择文件—shapefile—对应的shp文件。
打开之后界面为：
图3Central.shp地图界面
针对没有.shp文件的情况，如何进行分析，涉及研究区域的地图的制作；地图和属性数据的链接等。具体如下：首先可以借助Mapinfo和Arcgis软件制作shape格式的地图文件。首先通过ArcMap软件添加X,Y数据功能将已知坐标点经纬度数据输入ArcMap创建一个事件图层，再将事件图层导出为一个shapefile文件，命名为采样点.shp。打开GeoDa软件，点击文件—新建—选择文件—shapefile—对应的采样点.shp文件，再点击表格—合并—输入—选择数据源，选择伊通采样点属性对应的.csv文件，点击确认按钮，进入GeoDa CSV文件配置控制面板，在此你可以预览合并后得表格数据，再次点击确认按钮回到合并对话框，合并方法为合并默认不变，选择合并参数为合并（按顺序），点击“》”按钮将所有字段移入包含框中，点击合并按钮即可完成一个完整的包含分析需要的所有属性值的shape格式文件。
图4采样点坐标数据
图5 ArcMap“添加X,Y数据”对话框
图6 GeoDa表格合并功能
图7 GeoDa CSV文件配置
图8表格合并对话框
图9表格合并结果
或者我们可以下载geoda095i版本，选择tools>shape>points from ASCII;点击Inputfile后的文件夹图标,在弹出窗口中通过路径选择对应的.txt文件。点击Outputfile行后的图标输入文件名:采样点。在X—coords栏中选择经度,在y-coords栏中选择纬度,点击Create完成。这样就创建好了一个shp格式的文件。
3.3、创建权重矩阵
在进行Moran检验之前，我们需要构建空间权重矩阵，这是非常关键的因素。空间权重矩阵是空间邻接关系和空间距离关系的直接表达，也是计算全局及局部空间自相关指数前必须定义的必要参数。
在GeoDa中构建空间权重矩阵,需要输入连接各项综合得分的.shp文件。权重文件需要一个唯一ID以标识每个空间点，若原始.shp文件没有提供则需要自行创建。
在Geoda工具栏中选择空间权重管理——创建——选择ID变量（此处选择Poly_ID）——选择简单的邻接Rook矩阵——创建。
图10空间权重管理面板
图11 GeoDa构建空间权重矩阵（一阶Rook邻接矩阵）
图12 二阶Rook邻接矩阵
图13基于距离的矩阵
想要深入探究Queen矩阵的样子，我们可以点击直方图，此时便会呈现出71个城市相邻关系的直方图：
图14 Queen矩阵直方图
或者点击连通性地图，就可以看到71个城市的连接图，将鼠标放到某一城市上，地图上就会显示出与其相邻城市的阴影图，另外点击连通图我们可以看到5个省份的71个城市被三角化连接起来。
图15 Queen矩阵连通性地图
图16 Queen矩阵连通图
3.4全局空间自相关分析
在GeoDa中可以采用SpaceUnivariate Moran’s1的操作，并在弹出的对话框中选择社会弱势性CI及相应的空间权重矩阵。在Moran散点图空白处右键可选择随机化置换次数，查看全局空间自相关指数的i值和p值。
图17单变量Moran’s I
图18单变量Moran’s I变量设置
一阶Queen邻接矩阵（I=0.2378 p=0.01）
一阶Rook邻接矩阵（i=0.0535 p=0.05）
基于欧氏距离的空间权重矩阵（i=0.1668 p=0.02）
图19全局空间自相关指数及Moran散点图
图20随机化999次置换
图21随机化999次置换结果
计算结果查看（P值为0.001
3.5局部空间自相关分析
为了进一步分析社会弱势性的局部特性,可以计算局部空间自相关指数。按照步骤SpaceUnivariate Local Moran’sI,选择社会弱势性CI及相应的空间权重矩阵，并在弹出的对话框中勾选“显著性地图”。
图22单变量局部Moran‘s I
图23单变量局部Moran‘s I变量设置
图24 LISA显著性地图
图25 LISA聚类地图
3.6空间回归分析
将上述计算得到的综合弱势性指数CI连接到.shp数据上，使用GeoDa打开。城市化率字段是非农人口比例,收集自城市统计年鉴，是衡量城市化建设成就的一个重要指标。点击GeoDa菜单栏的“Regression”,打开Regression面板。如图26所示,将因变量设置为城市化字段,自变量设置为前述的综合弱势性指数CII。
图26回归分析面板
1)OLS回归分析
首先进行普通最小二乘(ordinary least squares,OLS)回归,这里选用一阶Queen矩阵作为空间权重矩阵。值得注意的是，OLS回归本不需要输入空间权重矩阵，但这里输入空间权重矩阵可以对模型的空间自相关性进行诊断，因此推荐此处也输入权重矩阵。本实验以一阶Queen权重矩阵作为输入,点击“Run”按钮运行模型。
图27 普通最小二乘回归统计报表
2)空间回归分析
同样地，在GeoDa中进行空间误差回归只需要在图26的回归面板中的模型一栏选择空间误差模型即可。
图28 空间误差回归统计报表
4.总结
对于空间面板数据发分析与地图的显示是两会儿事，空间分析可以简单的分为两块：第一是：空间统计分析，即空间数据的探索性分析，一般用到地图，主要是为了直观显示其属性值的空间分布情况，另外就是全局空间自相关分析（全局Morans’I系数）和局部空间自相关分析（LISA）及Morans散点图（HH，HL，LH，LL）；第二是：空间计量分析，主要包括：空间滞后模型（SLM）和空间误差模型（SEM），使用的前提是，自变量和因变量都存在空间自相关性，因此导致经典的计量模型估计有偏或失效，因此自然而然将空间因素考虑到模型中进行分析，空间因素的引进涉及最核心的表达空间的权重矩阵。这是空间计量模型和软件解决的基本问题。
– END –
来源：GIS前沿
声明：本站部分文章及图片转载于互联网，内容版权归原作者所有，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！