浅析空间自相关的内容及意义.

浅析空间自相关的内容及意义摘要：本文主要介绍了空间自相关的含义、测度指标及研究空间自相关的意义。首先，明确空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标，揭示空间参考单元与其邻近的空间单元属性特征值之间的相似性或相关性。其次，介绍用来测度空间自相关性的指标，可以分为全局指标和局部指标，常用的指标有：Moran’s I、Geary’s C和Getis-Ord G。最后，进一步阐述了空间自相关的研究意义。关键字：空间自相关；全局指标；局部指标The content and research significance of spatial autocorrelation analysisAbstract: In this paper, the content, the index and the research significance of spatial autocorrelation were analyzed. Firstly, the content of spatial autocorrelation is discussed. Spatial autocorrelation is related to the correlation of the same variables, and also can be used to measure the degree of concentration of the attribute value, in order to reveal the correlation between the space reference unit and its near unit, including global spatial autocorrelation and local spatial autocorrelation. Secondly, it analyzes the index of spatial autocorrelation, the main index included Moran’s I, Geary’s C and Getis-Ord G. Thirdly, this paper discussed the research signification of spatial autocorrelation analysis. Key words: spatial autocorrelation; global index; local index 引言空间

自相关是研究空间中某位置的观察值与其相邻位置的观察值是否相关以及相关程度的一种空间数据分析方法[1]。即空间自相关是检验某一要素的属性值是否显著地与其相邻空间点上的属性值相关联的重要指标，可以分为正相关和负相关，正相关表明某单元的属性值变化与其邻近空间单元具有相同变化趋势，负相关则相反[2]。在地学邻域，地统计学数据主要来源于研究对象在空间区域上的抽样，进而分析各种自然现象的空间变异规律和空间格局，并且已被证明是研究空间分异和空间格局的有效方法。在国外，20 世纪60年代就有学者开始运用空间自相关方法研究生态学、遗传学等问题, 目前已应用于数字图像处理、流行病学、生物学、区域经济与社会研究、犯罪学，等方面的研究。国内空间自相关的相关研究始于20世纪90年代, 主要集中在生态学、生物学、土壤学、流行病学等领域。也有部分学者采用空间自相关方法对城镇群空间结构[3]、区域经济格局[4，5]等进行了较为深入的研究。近几年来，国内关于空间自相关的研究众多，内容涉及到理论、方法和技术，更多的是实践和应用。其检验手段也在不断发展和完善。然而，众多的研究并不表明空间自相关分析臻于成熟。事实上,还有大量的基本问题没有得到有效解决。基于时间滞后的空间自相关分析方法至今没有发展起来。此外,空间权重矩阵如何选择和准确赋值、空间自相关的统计参量如何选择和解释、空间相互作用的局域性和长程作用如何协调等，也是待解决的难题。本文从空间自相关的含义、测度指标及主要应用及其研究意义进行论述。空间自相关的含义空间自相关是指一些变量在同一个分布区内的观测

数据之间潜在的相互依赖性。Tobler地理学第一定律指出：任何事物与别的事物之间都是相关的，但近处的事物比远处的事物的相关性更强。空间数据具有三大属性[6]，即空间、时间和专题属性，后两者常常被视为非空间属性。空间属性是指空间对象几何特征，以及与相邻物体的拓扑关系；时间属性是指空间数据总是在某一时刻或者时间段内取得的或者产生的；专题属性是指以上两种属性以外的空间现象的其他特征。即空间数据提供两类信息[7]：一是定位数据和拓扑数据；二是描述研究对象的非空间属性。空间自相关就是对定位数据和拓扑数据的一种描述。空间自相关的测度指标全局空间自相关全局空间自相关是对属性值在整个区域的空间特征的描述[8]。表示全局空间自相关的指标和方法很多，主要有全局Moran’s I、全局Geary’s C和全局Getis-Ord G[3,5]都是通过比较邻近空间位置观察值的相似程度来测量全局空间自相关的。oran’s I全局Moran指数I的计算公式为：其中，n为样本量，即空间位置的个数。xi、xj是空间位置i和j的观察值，w ij表示空间位置i和j的邻近关系，当i和j为邻近的空间位置时，w ij 1；反之，w ij 0。全局Moran指数I的取值范围为[-1，1]。对于Moran指数，可以用标准化统计量Z来检验n个区域是否存在空间自相关关系，Z的计算公式为: E Ii 和VAR Ii 是其理论期望和理论方差。数学期望EI -1/ n-1 。当Z值为正且显著时，表明存在正的空间自相关，也就是说相似的观测值高值或低值趋于空间集聚；当Z值为负且显著时，表明存在负的空间自相关，相似的观测值趋于分散分布；当Z值为零时，

观测值呈独立随机分布。eary’s C全局Geary’s C 测量空间自相关的方法与全局Moran’s I相似，其分子的交叉乘积项不同，即测量邻近空间位置观察值近似程度的方法不同，其计算公式为:全局Moran’s I的交叉乘积项比较的是邻近空间位置的观察值与均值偏差的乘积，而全局Geary’s C比较的是邻近空间位置的观察值之差，由于并不关心xi是否大于xj，只关心xi和xj之间差异的程度，因此对其取平方值。全局Geary’s C的取值范围为[0，2]，数学期望恒为1。当全局Geary’s C的观察值 1，并且有统计学意义时，提示存在正空间自相关；当全局Geary’s C的观察值 1时，存在负空间自相关；全局Geary’s C的观察值 1时，无空间自相关。其假设检验的方法同全局Moran’s I。值得注意的是，全局Geary’s C的数学期望不受空间权重、观察值和样本量的影响，恒为1，导致了全局Geary’s C的统计性能比全局Moran’s I要差，这可能是全局Moran’s I比全局Geary’s C应用更加广泛的原因。eti-Ord G 全局Getis-Ord G与全局Moran’s I 和全局Geary’s C测量空间自相关的方法相似，其分子的交叉乘积项不同，即测量邻近空间位置观察值近似程度的方法不同，其计算公式为：全局Getis-Ord G直接采用邻近空间位置的观察值之积来测量其近似程度，与全局Moran’s I和全局Geary’s C不同的是，全局Getis-Ord G定义空间邻近的方法只能是距离权重矩阵wij d ，是通过距离d定义的，认为在距离d内的空间位置是邻近的，如果空间位置j在空间位置i的距离d内，那么权重wij d 1，否则为0。从公