《GeoDa工作手册21章最后》由会员分享，可在线阅读，更多相关《GeoDa工作手册21章最后（62页珍藏版）》请在金锄头文库上搜索。
1、CarKiWhdt wintlows to open?广 Tlw 5njriP2ariC：e Map# ThsCbtlei MdpTlhe 08 Pic*T he Moran Sc*he Fb图20.9 LISA 结果窗口中cluster 地图选项右击出现Options对话框，设置Randomization为9999。运行几次序列，直到所 示的模式稳定 到图20.10右侧面板中的数字。注意：与原始比率聚集地图稍有不同，在图20.10左边面板中重新 产生。#图20.10原始比率和EB调整后比率的LISA聚集地图注意空间离群值Morgan县（在左边地图中点击该县，在表中找到它，位于第9行）。在地图
2、中选择它的邻居，如图20.11（用shift-click来添加选择），在表格中激活被选中的县。考虑表格中HR8893 HC8893和PO8893的值，如图20.12。注意Morgan县有相当高的杀人案发生率（4.581251）， 但在组中并不是最 高的（Sangamon县为6.029489，IL-FIPS 17167）。但更重要的是，组中最低的 两 个值，杀人案发生率 为0的县，人口数据也是最少的（分别是33911和35051）。EB标准化将会拉高 杀人案发生率，减小与Morgan县的差异，清除一个空间离群值的建议。图20.11 LISA 比率地图敏感性分析：邻居20.5 练习用练习 18 和
3、19 中的相同的数据集和比率变量来估计你对比率方差不稳定性的推断的敏感性。#练习21双变量空间自相关21.1目标本练习关注Moran散点图和LISA地图在双变量空间自相关方面的扩展，其中时-空相关是一种 特例。有关方法细节请见Anselin等（2002）。在本练习末，你将知道：l创建和解释一幅双变量地图l 建立一幅Moran散点图矩阵l 解释不同形式的时-空联系l创建和解释双变量LISA地图有关本操作的详细信息请参考 Users Guide 第94-96页。21.2双变量Moran散点图载入数据集OZ9799文件（ozthies.shp ，关键字为 STATION）,是包含了 30个Los A
4、ngles 空气 质量监测点建立的Thiessen多边形文件。底图将如图21.1所示。如果你还 没有Thiessen多边形， 按照6.3部分的指导创建需要的文件。M Lafan n图21.1 Los Angeles 监测点的Thiessen多边形 底图你还需要一个Thiessen多边形 的rook邻接权重文件（ozrook.GAL）。如果需要的话，再创建一 个权重文件（详细的指导见15.2部分）。从菜单SpaceMultivariate Moran 调用双变量散点图功能 （图21.2），或点击相应的工具条按钮。出现一个变量设置对话框，如图21.3所示。注意有 两栏变 量。左边的一栏（Y）为空间
5、滞后变量，右边的一栏（X）为非滞后变量。指定A987（1998年7月平均每 8小时的ozone数据）为滞后变量，A988（1998年8月平均8小时的ozone数据）为X变量，如图21.3， 点击0K将出现权重选择对话框，如图21.4所示。SpaceRegress Optio ns 7Multivariate MoranUnivariate MoranMorans I with EE Ra Univariate USA Multivariate LISA LI5A with EB Rate 图21.2双变量Moran散点图功能图21.3双变量Moran散点图变量选择#|C: DataVsS799
6、o2fOok. GAL L Select Iram Ke (gal,I- Set as d占4SELECT WEIGHT* Select from curremly used#图21.4双变量Moran散点图空间权重文件选择选择ozrook.GAL作为权重文件，点击OK产生双变量Moran散点图，如图21.5。注意：这幅图 的合理解释是关于产生的Morans I用所有相邻位置的平均值评估一个位置的X变量(A988)值与其 它变量(A987)相关程度。作为一幅 散点图，所有的标准选项都被执行，如随机化(randomization)， 随机化信封(envelopes)及保存中间过程变量。同样，作为
7、一幅 散点图，可以设置Exclude Selected 选项来方便链接和刷光(见练习18,关于这 些标准选项的详细谈论)。fiivariate Moran (ozrook.GAL): A9B6 vs W_A957 匚-叵 | X jMorans I- 0.3875* *秦*I1 -10 12A988图21.5 双变量Moran散点图：988与987相邻的ozone21.2.1时-空相关性图21.5所用的例子是关于在 两个不同时间点的同一变量（第8小时的ozone观测值）。时-空相 关性被认为是普通双变量空间关系的一种特例。然而，图21.5所绘的关系并不是唯一的解释。将X 变量和空间滞后变量相互
8、转换也是合理的。调用双变量Moran散点图功能，A988为Y变量（空间滞后），A987为X变量。结果将如图21.6。 这幅图描绘了一个位 置1998年7月的ozone与1998年8月邻居的平均值的相关性。你可以认为图 21.5中的双变量相关性是关于向心扩散（从现在的相邻位置到未来的核心位置），而图21.6所示的 双变量相关性是向外扩散（从现在的核心到未来的相邻位置）。每一个都是时-空相关性的不同视角。时-空相关性可以分解为一个 纯空间自相关，如图21.7所示在的Moran散点图，和一个 纯时间 序列的相关性，如图21.8中的相关性图。Bivariate Moran (ozrook,GAL:：
9、A96 7 vs W A958 匸 II 口 X*%* *X* *_卄 *#A387Slope = 0 9047X-330277(5 J 15351643 07 即 5921500.76759215LJ351S+3230277C5 Scatter Plot; A987 vx A988回冈A98-图21.8 987 和988之间的ozone相关性作为与Morans I相似的可替代物，是利用时-空回归。因为空间滞后和原始变量是有关不同时 期的，通过后者 解释前者是合理的。但在纯横截面(cross-sectional)环境(context)中，这是无效的，是因为空间滞后的内生性(同时还有方程的偏心(
10、bias)，但在时-空设置中，没有这一问题。例如为A987创建空间滞后，利用练习17所述的方法。然后创建一幅以A988为Y变量，A987 空间滞后为X变量的散点图。结果将会如图21.9。此图中的斜率(0.5749)是ozo ne变量的时-空回 归系数。它可以与其它两个时-空Mora ns I系数相比较。另外，它可以用通常的方式刷光或链接， 对特别的高值的敏感性进行评估。图21.9 988 与987的ozone的时-空回归21.3 Moran散点图矩阵由横截面(cross-sectio nal)的空间自相关提供的不同视角的结合与时-空相关系数，可以生成散点图矩阵(见9.2部分)。所谓的Moran
11、散点图矩阵由主对角线(mail diagonal)上的Moran散点图 和非对角线位置上的时-空图组成。利用这两个刚建立的时-空散点图和横截面图，按排在一个矩阵中，如图21.10。确保在每一幅 图中Exclude Selected选项是处于ONI犬态(一次只能完成一个)。然后用刷光来探索空间和时-空相 关性之间的不同标准(measures)的联系，验证有影响的观测值(位置)。Monnp 1= D 4000Momii 1- *”幸+*s* * *二-/ *” *+ 亍 *AA9$SMoi Mis 1- 0 333i4*+* * !1-.* *:*4 m+*4Multivariate LISA，如
12、图21.11，或点击相应 的工具条按钮。会出现与前面 相同的变量设置对话框。用图21.3中所述的相同方法，选择A987为Y变量，A988为X变量。注意： Y变量是具有空间滞后的变量（邻居平均值）。如前，选择ozrook.GAL为空间权重文件（见图21.4）。在结果窗口对话框，选中Cluster Map如图21.12。点击0K产生双变量LISA聚集地图，如图 21.13所示。注意：这表示出一个位置上ozone在1998年8月和1998年7月其邻居平均值之间的 空间相关性的局部模式。在变量设置对话框交换Y和X变量的选择，会创建一幅某一位置的ozone 在1998年7月和1998年8月其邻居平均值之
13、间相关性的LISA地图。与时-空散点图的解释是相似。 将这两个双变量LISA地图与它们的横截面相对物（counterparts）相比较。5pa 匚 aRegress Gptio 仃吕 甘Univariate Mcrn Multivariate Mor-anMorans I with EB RateMultivariate LISAUnivariate LISALI5A with EB Rate图21.11双变量LISA功能图21.22双变量LISA结果窗口选项#(4) BiLISA Cluster Map: ozrookG*i_P A9C7 w/A9BB( P99 PermuUtion匚回冈#
14、图21.13双变量LISA聚集地图：987与988相邻的ozone21.5练习一些样本数据 集包含了在不同位置适时(in time) 观测的一些变量。除了 Los An geles的ozone 数据集，还包括St Louis杀人案数据（stl_hom，关键字为FIPSNO）, SIDSO数据（ohlung.shp，关键 字为FIPSNO）。或者，分析不包含时间维的两个变量。#练习22回归基础22.1目标该练习开始GeoDa中空间回归功能的综述，以一些基本概念为开始。多变量回归分析的方法背 景可以参考许多计量经济学的文章，这里不再涉及。回归诊断及具体的空间模型留在练习23和25 中论述。在本练习末，你将知道：I建立线性回归模型说明I运行普通最小二乘估计（OLS）I 保存OLS结果I 添加OLS预测值和残差到数据表格中I 创建带有预测值和残差的地图有关本操作的详细信息请参考 ReIea
