文件名称：空间依赖性-计算机视觉++模型、学习和推理
文件大小：596KB
文件格式：PDF
更新时间：2024-06-30 07:22:28
空间计量
第二节 空间回归分析基础 在空间回归分析中，空间影响与空间效应有关，即与空间自相关或空间异质性有关。因 此，在进行空间回归分析之前，首先要判断样本是否存在空间效应。 一、 空间效应的分类 在多元统计分析中，如果开展线性回归分析，则至少要满足两个基本条件：一是解释变 量之间相互正交，二是样本要素（样品或者样点）之间彼此无关。当只有一个解释变量的时 候，样本无关性就是最基本的前提条件了。假如我们的分析对象是空间取样结果，则样点之 间要求不存在显著的空间关系。 20世纪70年代以来，空间数据日益丰富，对于具有地理空间属性的数据，一般认为离的 近的变量之间比在空间上离的远的变量之间具有更加密切的关系。正如著名的Tobler地理学 第一定律所说：“任何事物之间均相关，而离的较近事物总比离的较远的事物相关性要高”。 因此，在区域科学研究中，不少学者开始关注抽样数据的区位因素影响，即由区位因素引起 的空间效应。正是由于空间效应的存在使得估计结果中会出现较大的残差方差和检验统计量 较低的显著性，传统计量经济分析关于变量在空间上的独立性、随机分布的隐含假设受到巨 大质疑。直接将古典计量经济学的方法应用于与地理位置相关的数据时，通常不能获取这些 数据的空间相关性，从而导致回归模型参数的可靠性不能得到保证。因此，开展空间回归分 析的预备工作是空间样本之间的相关性分析。如果空间样点之间相关性不显著，则可以建立 空间回归模型；否则，常规的回归模型失效，这时我们可以通过样本要素之间的空间相关分 析揭示某些统计规律或特征。可喜的是，对于这种地理与经济现象中常常表现出的空间效应 （特征）问题的识别估计，空间计量经济学提供了一系列有效的理论和实证分析方法。因此， 在处理空间数据时，要引入一些合适的空间计量经济学方法。当然空间计量经济学也不是抛 弃所有的古典计量经济学技术，而是对这些技术加以修改以使它们能够适用于空间数据分 析。 一般而言，在经济研究中出现不恰当的模型识别和设定所忽略的空间效应主要有两个 来源：空间依赖性（spatial dependence）和空间异质性（spatial heterogeneity）。其中前者表 现为观测值与区位之间的一致性，后者表现为每一空间区位上事物及变量的独特性。在空间 回归（主要是线性回归）分析中，为了获得模型参数的可识别性，必须同时考虑空间依赖性 或空间异质性。 二、空间依赖性 空间依赖性（也叫空间相关性）是空间效应识别的第一个来源，它产生于空间组织观测 单元之间缺乏依赖性的考察。空间相关不仅意味着空间上的观测值缺乏独立性，而且意味着 潜在于这种空间相关中的数据结构，也就是说空间相关的强度及模式由绝对位置（格局）和 相对位置（距离）共同决定。 世界上万千事物的状态都可以由一个三维的空间坐标系与一个一维的时间坐标系来唯 一刻画。时间或空间上距离相近的两个事物的状态是相互关联的，即不能被认为是相互独立 的，且两事物越是接近，它们状态的相关性越强。根据地理学第一定律，当两点距离为零（实 则是同一个体），它们将完全相关。越是相距遥远的事物相关性越弱，当两事物之间距离为