【word】 基于空间自相关和时空扫描统计量的聚集比较分析

1、基于空间自相关和时空扫描统计量的聚集比较分析2012年第2期总第124期文章编号:10032398(2012)02-011909基于空间自相关和时空扫描统计量的聚集比较分析王培安.罗卫华,白永平(1,西北师范大学地理与环境科学学院,兰州730070;2.中国航天科技集团公司第四研究院四o一所,西安710025)com口e.arativeanaisisofaggregationdetectionbasedonspatialautocorrei-tionandspatialtem口eoralscanstatisticswangpei-an,luoweihua2,baiyongping(icolle

2、geofgeographyandenvironmentalscience,northwestnormaluniversity,lanzhou73oo7o,china,2,the401stinstituteofthefourthacademyofcasc,xjan710025,china)abstract:theproblemofaggregationeconomyhasbeenalwaysoneofthehotandfocusesoftheregionale-conomicresearch,andthepositioningofaggregationisaprerequisiteforcont

3、inuingindepthstudyinaggregationanalysis.usingdifferentmethods,thescopeoftheaggregationphenomenonisdifferent.becauseaggregationishighsensitivityinscale,theinfluenceofscalemustbefullyconsideredinusingthespatialanaly-sismethods.usingspatialautocorrelationmethodstodetectaggregation,thescaleofchoiceisoft

4、ensusceptibletosubjectivejudgmentsoftheresearchers;thereistheissueofpossiblewithselectionbias,sothespatialweightproblemhasbeencontroversia1.forspatialautocorrelationanalysis,thespatialweightmatrixcreationisthemostdifficultproblems.usingdifferentspatialweightmatrixwillgetdifferentresults.inaddition,t

5、heaggregationisobviouslyspace-dependentaswellastime-dependentsincedifferentaggregationtakesplacewithindifferenttimeandspace,whichisneglectedbythespatialautocorrelationmethod.thisisaconcretemanifestationofthedifferenceintimeandspace.sospacetimeanalysisisnecessarilyamethodwhichmustbeselected.atthispoi

6、nt,thescanstatisticsmethodwhichwasdevelopedbykulldorffandotherscholarsdemonstratedauniqueadvantage.theexploratoryresearchwillusedataaboutindustrialpopulationinsomecitiesandcountiesofzhejiangfrom2000to2009.inparticular,bycomparingthespacetimescanstatisticsmethodandasimplespatialautocorrelationmethod,

7、whicheffectivelyintroducesatimevariable,thisa口一proachallowsresearcherstosolvetheproblemalongtime,butthisapproachcanalsoincreasetheaccuracyoftheresults.thisshowsthatitisnotonlyeffectivemeasuretosolvetheproblemofartificia1selection.toachievethescaleextrapolationandautomaticconversion,andmorefavorablem

8、ixofthreedimensional,dynamic,multiscaleanalysis.keywords:scalematrix;spatialautocorrelation;spatialtemporalscanstatistics;aggregation提要:聚集是区域经济研究中的重点问题之一,而聚集定位问题又是深入分析聚集需要解决的首要问题.由于聚集具有高度的尺度敏感性,采用空间自相关方法分析时,尺度选择容易受研究者主观判断的影响,而且空间自相关方法也未考虑聚集的时间特征.与之相比,kulldom等学者提出的扫描统计量方法表现出了明显的优势.研究探索性地选用浙江省各市,县工业从业

9、人口的聚集问题,从尺度选择,尺度转换和时空融合三个方面,比较了空间自相关和时空扫描统计量方法在探测聚集问题上的差异性,进而证实了时空扫描统计量方法不仅有效解决了人为选择尺度的偏倚问题,实现了尺度推绎,转换的自动化,而且更加有利地融合了立体,动态,多尺度的时空分析优势.关键词:尺度矩阵;空间自相关;时空扫描统计量;聚集中图分类号:f119.9文献标识码:a基金项目:国家自然科学基金项目(40771054);高等学校博士学科点专项科研基金联合资助课题(20106203110002):西北师范大学知识与科技创新团队项目(tlwllukjcxgc一0350)作者简介:王培安(1974一),男,甘肃兰州

10、人,博士研究生,主要研究方向为区域经济,区域发展与管理.e-mail:1398819800.收稿日期:2011-0902;修订日期:2011-12.08huage0gaphyvol27o220l2揍2012年第2期总第124期1引言近年来,国内外学者关于聚集经济的研究已经逐步形成了一套完整的理论体系,从人口聚集到产业聚集,聚集理论已经成为城市和区域经济发展中的经典理论.但是一直以来,能够对聚集问题进行定量分析的方法和工具仍然比较有限.随着计量经济学和空间分析技术的深入发展,定量分析聚集的理论和模型开始逐渐丰富起来,除了采用基尼系数,ellisonglaeser指数和空间集中度指标(

11、concenafionratio)等一些方法对聚集现象进行定量分析之外口,国外一些学者还发展出了利用空间自相关的方法对聚集问题进行研究的模型和工具,目前,这一方法得到了广泛的应用.空间自相关分析方法最初可能起源于生物计量学研究_引,现在已经成了地理学的重要分析方法之一.空间自相关分析方法包括全局空间自相关(globalspatialautocorrelation)和局部空间自相关(localspatialautocorrelation)两种类型,其中,全局空间自相关moran指数是由moran于1948年提出的,它反映了空间邻接或邻近区域单元属性值的相似程度,但是moran产生之初并不能对聚集

12、的性质进行判断,所以,后来getis和ord于1992在全局moran指数的基础上又提出了全局g系数,以定量的方式对空间高低聚集的类型作出了判断.此后,在moran指数和geary系数的基础上,ansalin又发展出了空间自相关的lisa局部分析方法【41.目前,在许多的研究中,常用空间自相关的方法定量分析聚集问题,但是大量的实践证明,这种方法存在较为明显的缺陷.例如空间权重矩阵的构建存在一定的争议,不同的研究者对权重的选择往往存在一定的差异,由于这种选择差异,所以使得分析结果的解释也不尽相同.此外,由于空间自相关建模的基础是完全依赖于空间截面数据而产生的,完全没有考虑时间的影响因素,但是,对

13、研究聚集问题来说,时空交互是一个本质性的问题,所以抛开时间因素,单纯研究空间现象,仍然是个不可忽视的缺陷.随着空间分析技术的深入发展和研究者的共同努力,1995-2006年美国哈佛大学教授kulldorff等人结合前人研究成果,通过概率分布模型,提出并发展了一套扫描统计量的方法,这种方法不仅充分引入了时间变量,而且较好地解决了聚集研究中尺度转换等问题.因此,本研究力求通过理论和实证分析,对这两种方法做出比较,并对比较结果进行深入解析.2数据来源及处理2.1数据来源集聚经济类型决定着区域经济的发展方向,集聚经济可以分为城市化经济和地方化经济两种类型翻.本研究将选择城市化经济类型进行深入比较,城市

14、化经济的衡量指标是某地区工业从业人数占整个区域人数的比重.研究将选择2000年至2009年浙江省各市,县规模以上工业企业的从业人口数和年末总人口数进行相关分析,分析所用主要数据来自于2001-2010年浙江省统计年鉴.2-2数据处理由于分析采用了三种不同的软件,每种软件对数据的类回堡型型和格式要求都不相同,所以需要对数据进行处理.首先,利用arcgis9.3将浙江省各市,县工业从业人口和年末人口数据导入数据表中,生成shp格式文件(geoda0.9.5一i可以直接分析),然后在sam4.0软件中标注后续lisamaps可以用于定位的索引码(indexcode),最后,针对扫描统计量软件clus

15、terseer0.2-3,将2000-2009年工业从业人数依次进行列转置,使时间,地区坐标和人口数据逐年,逐地区相匹配,并对缺失数据以0代替,最后将结果合并到坐标和人口数据中进行分析.3空间自相关分析探索性空间数据分析(exploratoryspatialdataanalysis,esda)是检验是否存在着一个统计学意义上显着的空间分布,并进一步了解生成这一分布的空间过程的一种方法l51.传统的计量统计学方法大多只能处理空间的离散化数据,无法定量地获取数据之间的空间依赖关系,而esda的优点在于能定量分析区域之间的相互联系.白ciff(1981),getis(1992),ord(1992)等

16、将其引入到经济领域以来,esda得到了广泛的应用.空间自相关(spatialautocorrelation)作为esda的重要方法,主要包括全局或局部空间自相关两种分析方法omoransi,gearysc,getis,joincount等都是比较常用空间自相关分析方法,这些方法基本原理相同,但适用范围和侧重点各有不同.通过张松林网,洪国志m,陈彦光3j等学者的分析,认为moransi是比较典型且适用性较强的一种方法.由lucansalin研究开发的空间分析软件集空间经济学,空间统计学分析于一体,可以专门进行这方面的数据分析.3.1全局空间自相关(g10balspatialautocorrela

17、tion)全局空间自相关moransi的计算公式是基于统计学相关系数的协方差(covariance)演变而来的.仁一(x.)(x.)!:!.(x1.x)i=lj=ii=1其中,w,为空间权重矩阵,反映空间邻接或邻近区域尺度的变化情况.对moransi的统计学显着性可采用正态分布或随机分布进行检验.按照上述公式计算所得moransi系数的取值范围在.1和1之间,j为正值表示正相关,j为负值表示负相关,j为零表示不相关,且值越大,表示属性值的空间相关性越强.反之值越小,表示空间相关性越弱,当值趋于零时,说明对象在空间上呈随机分布的趋势.i值标准化的公式为:z(d=j.e(j)/丽通过该式可以检验/

18、1个区域是否存在空间自相关关系.对i值进行显着性检验时,在5%显着性水平下,z(d大于i.96时,表明研究对象空间分布上具有关联性;z(d如果介干1.96和一1.96,表明研究对象的空间自相关性较弱iz(od果小于-1.96时,表明研究对象在空间上呈现负的白相关性.3.2局部空间自相关(localspatialautoconelation)全局空间自相关假定空间是同质的,即只存在一种充满整个区域的趋势嘲,只能从整体上探测研究对象是否在研究2012年第2期总第124期有对比意义的聚集区域,分析中仅选择高高(hi曲.hi)聚集区域进行对比,其他三种情况一律不在图中显示.从图2的对比结果可以直观地看

19、出,采用geoda常用的几种邻接准则所得到的高高聚集区域并不完全相同.其中,采用rook邻接准则和queen邻接准则得到的聚集区是一致的,而k-nearest,queen二阶邻接分析结果则差异性很大,相对于rook和queen的分析结果,k-nearest邻接分析结果将绍兴县排除在了聚集区之外,使得绍兴市区在整个聚集区成了一个”孤岛”,同时聚集区中却增加了宁海县,这一结果与rook和queen的结论相差甚远.同时,queen二阶邻接结果则将杭州市排除在了聚集区之外,结果的变异性很大.如果按照上述结果进行空间分析,那么所得到的结论将会有重大的差异.因此,采用邻接准则进行空间自相关分析时,结论的可

20、靠性和稳定性需要慎重对待.上述邻接方式对聚集结果的影响主要是由内在计算尺度的变化引起的,由于邻接准则的改变,邻接区域尺度的大小通过(尺度矩阵)进行了调节,导致moransi值在计算时,相关系数发生了变化,从而影响到了最终的聚集结果.在实际应用中,由于研究者理解和认识的差异性,使得尺度选择带有一定的主观性,因而存在可能的选择偏倚性问题,间自相关rook接分析结果这也是目前具有争议性的权重矩阵问题成为空间自相关研究中的难点和热点问题的主要原因所在.从上述对比可以看出,聚集具有显着的空间依赖性.但是继续进行多个时间比较,还会发现聚集同样具有明显的时间特征,具体表现在聚集的时空差异上,不同的时间范围内

21、,聚集发生的空间范围也不相同.通过不同时间空间自相关距离尺度变化的相关性分析可以看出,聚集具有显着的时间特征.从图3可以显着地看出,随着时间推移,浙江省各市,县工业从业人员空间聚集尺度的变化表现出明显的时间相关性.在几个时间范围内,2000年与2003年相比,时间最近,所以工业从业人员的空间聚集尺度之间所表现出的线性相关性最强(计算所得pearsonsr=0.853);而2000年与2006年相比,时间间隔较远,线性相关趋势在逐渐减弱(pearsonsr=0.757);2009年与2000年相比,时间跨度最大,所以空间聚集的线性相关程度显着降低(pearsonsr=0.579),表现为比较离散

22、的趋势.另外,随着时间的推移,不同距离尺度相关性的衰减程度还表现出显着的时空差异性特征.从图3可以看出距离2000年最近的几个时间,存在显着空间自相关性距离尺度的线性相关程度不仅在逐年减弱,而且从聚集尺度相关性的空间j相关k.nnearest邻接分析结果空间j相关0been二阶邻接分析缩柴空间j相关queen邻接分析结果图2空间自相关不同邻接矩阵hh聚集区结果比较图fig.2comparisonofhhspatialaggregationareafordifferentspatialautocorrelationaacencymatrix囡.坠曼2曼蟹!,=鳖=型兰王培安,罗卫华,白永平:基于

23、空间自相关和时空扫描统计量的聚集比较分析衰减程度上也表现出一种规律性,即从2000-2009年,表现出空间正相关性的距离尺度的相关程度的衰减速度要低于负相关的衰减速度.2000和2009年负相关距离尺度的相关性的离散速度在图中的变化最明显,说明存在显着正相关性的区域之间的影响力在时空上具有更强的稳定ied更强的“滞后效应”.通过图3的对比可以看出,对于观测对象来说,时间尺度的变化和空间尺度的变化一样具有”距离”远近的特点,距离近的,受到的影响要比距离远的受到的影响更大,由于”时空距离”的远近不同,反映出的信息量也有较大的差别,因此,受”时空临近度的影响,人为选择时空尺度的认知取向,对于分析结果

24、的稳定性和准确性有很大的影响.如何更加客观地选择分析尺度或者进行多尺度,动态分析将是今后科学研究领域中的一个重大问题.利用全局moransi和局部lisa指标分析空间聚集时,在构建邻接准则或选择距离尺度的过程中,一般都没有考虑时间的影响,但是实际问题中,空间和时间作为观测对象内在属性的两个本质表现,二者缺一不可,所以仅仅从不同的空间尺度分析聚集现象是不全面的,必须考虑时空的交互作用(time.spaceinteractive),tobler在提出地理学”第一定律”时,只考虑了现象的空间关联性,认为离得近的事物总比离得远的事物之间的相关性要高,并没有明确考虑时间的影响因素,所以从这个意义上”第一

25、定律”还应拓展到时空关联上才更为完整.对此,已有很多学者注意到了这个问题,而且明确地提出了相关的定义,概念和一些探索性的定量分析方法,例如李小文院士提出的”时空临近度”_12,吕韬,曹有挥提出的”时空接近”131概念等.还有国内外一些学者也针对时空分析(spatialtemporalanalys)开发出了相应的分析软件.综上看出,采用空间自相关的方法探测聚集时存在明显的缺陷,归纳起来主要表现在三个方面:邻接尺度的选择带有一定的主观性,结果缺乏必要的稳定性和可靠性;邻接矩阵建立的本质是分析尺度的选择,邻接矩阵所产生的尺度是静态的,单一的尺度;采用空间自相关分析聚集时根本没有考虑时间因素,结论缺乏

26、时效性.近年来,随着计量经济学的深入发展,1997年美国哈佛大学教授kulldorfft等人提出了一套扫描统计量的分析方法,在聚集分析方面较好地解决了上述三个问题,为研究聚集问题开辟了一条新的道路.4扫描统计量分析近年随着扫描统计量模型的逐步发展和完善,扫描统计量方法已被广泛应用于医学,生态学,地理学,社会学,经济学,人口学,犯罪学和灾害学等多个领域li5_l.尤其是瑞士,保加利亚等一些学者,通过开创性研究,逐步将扫描统计量方法延伸到了社会经济领域,其中hojekangt捌,devistuial_2i_,hannamaoht221及jur色noksl23等学者利用扫描统计量方法对经济聚集问题进

27、行研究,这为社会经济问题的研究,提供了有利的借鉴.因此,本研究也将探索性地将这一方法在浙江省工业从业人口的聚集问题中加以应用.4.1基本原理1995年,美国哈佛大学教授kulldorff和nagarwalla针对聚集问题提出了一套扫描检测的方法,但是这种方法只能进行单纯的空间扫描,此后,于1997年kulldorff等在原来空间扫描的基础上引入时间变量又发展出了时空扫描统计量(spatia1.temporalscanstatistics)的方法.其具体的做法是:首先,确立完整的研究区域,在该区域内随机选择一个空间单元作为圆柱体窗n底面的中心;其次,不断扩大圆柱体底面的半径,改变扫描区域大小,同

28、时圆柱的高度也不断随时间的变化而升高,直到达到扫描窗口所设定的上限(图4).这一扫描过程将在每个研究区域内不断重复进行;最后,根据扫描窗口内外的实际发生数和预期发生数,构造检验扫描统计量的对数似然比(llr,loglikelikoodratio),再利用llr对窗口内的异常值进行扫描探测.目前,扫描统计量方法主要包括单纯的空间扫描,时空扫描和时空重排等.单纯的空间扫描具有一定的局限性,其基本原理和扫描过程与时空扫描统计量比较相似,所以研究中只将其作为一种方法进行对比,不再深入赘述,而时空重排的一个重要假设是总的研究区域内,各单元的对比值呈均匀发展趋势,例如人口的增长速度要基本保持一致,如果被研

29、究对象的时间跨度较大,对比值增速不一致,很可能造成分析结果的偏差(shiftbiaso所以以年为单位的数据,不宜采用时空重排模型.因此,在分析浙江省工业从业人口数据2000-2003linearcorrelation2000.2006linearcorrelation20002009linearcorrelation图3空间自相关距离尺度的时间依赖性比较fig.3comparisonoftimedependentforthedistancescaleofspatialautocorrelationhua黧8匿0g热p雕vvol27o22(ji2/42012年第2期总第124期时,仍采用一般的时

30、空扫描统计量模型.图4时空扫描统计量原理图fig.4principleofspatial-temporalscanstatistics4.2模型建立采用时空扫描统计量时要考虑三个基本特征:被扫描区域的形状和结构;扫描窗口的形状及大小;基于无效假设的概率分布类型.在模型中窗口(windowsampling)可以是多种形状的,例如圆形窗口,椭圆形窗el或任意多边形窗口闭.选择合适的窗口是正确进行空间扫描的前提.针对本研究中浙江省整个区域的形状和空间特征,适宜采用圆形扫描窗口,具体模型如下:令n2代表所扫描圆形窗口z中的实际从业人数,避代表扫描窗口z区域中的总人1:3数,(z)是根据无效假设得到的扫

31、描窗口z中的预期从业人数.同时,令所有区域g中总的从业人数为no,而所有区域总人数为mo,所有区域预期从业人数为(g).(z)=mz(3)(g)=(z)(4)区域x的概率密度函数为:若z,l(5)公式(5)中的p是扫描窗口中实际的从业人数和预期的从业人数之比,q是扫描窗口z之外实际从业人数和预期从业人数之比,建立此函数的目的在于对比检验窗口内外从业人数的概率密度.进一步建立扫描窗口的对数似然函数值:等ng-nz卫w(xi)l0卫z)是时空扫描窗口中z的似然函数值,是基于无效假设得到的似然函数值,因此,根据公式(6)和(7)可以回垒璺!鱼:堡得到式(8)r:r:j_导里,n.!【g)j一rn)x

32、izno(8)对式(8)取对数,可得对数似然率llr(loglikelikoodratioonzlog()+(n-nz)logng_bz卜njog()(9)则时空扫描窗口z中最大的似然率可以表示为:max【r:=maxfln【jl0g(丽nz)+(ncnz)logng_nzl)mllujl0g()j采用上述模型扫描时,因为窗口的不断变化,会产生大量的扫描结果,如果对每一个窗口进行poison分布的假设检验会出现多重假设检验问题,从而导致虚假检验,为此,kulldorff等人采用蒙特卡罗模拟方法(montecarlorandomizationmethod)对各个窗口的统计学意义进行定量评价.4.

33、3实证分析采用上述模型对浙江省各市,县工业从业人口的聚集性进行时空扫描,同时还采用clusterseer进行单纯的空间扫描,纯空间扫描选择2009年的数据,时空扫描选择2000年到2009年的数据.从扫描结果(表1)可以看出,2009年单纯的空间扫描结果显示有两个可能的聚集区域,第个最大可能的聚集区(firstmostlikelycluster)主要集中在浙北地区,包括宁波市,慈溪县和绍兴县等24个区域,对数似然率(loglikelikoodratio,llr)为369.18.第二个可能的聚集区包括乐清市,温岭市和温州市等6个地区,对数似然率为31.86.相反,2000-2009年时空扫描结果

34、显示,在引入时间变量之后,经过一个较长时间的检验和筛选,第一个最大可能的聚集区过滤了海盐县,长兴县和桐庐县等9个区域(图5),大大提高了探测的效率,使重点区域更加突出和明确.同时,与单纯的空间扫描结果相比,对数似然率显着提高了2倍,达到了753.639.而第二个聚集区过滤了温岭市和瑞安市,对数似然率也显着提高了2.5倍.从单纯的空间扫描到时空扫描过程,能够清楚地看到浙江省各市县工业从业人1:21的聚集不仅具有显着的空间依赖性,而且还有明显的时间特征.单纯的空间扫描只是选择了一个时间点,通过扩大圆形扫描窗口的半径,仅仅从某一时刻上对比了空间聚集发生的概率,对于聚集区的识别是比较笼统和粗糙的.而时

35、空扫描统计量的方法则可以结合时间,动态地自动变换窗口的尺寸,达到时空融合的目的,使扫描窗口由原来的圆形变成圆柱体.圆柱体的底面对应着空间单王培安,罗卫华,白永平:基于空间自相关和时空扫描统计量的聚集比较分析元,圆柱体的高则对应着一定的时间范围,这样便达到了时空立体匹配的目的,而且由于圆柱体的窗口大ljo位置都在不断自动地进行着立体变换,所以扫描区域也在动态变化.总之,从上述对比的结果可以看出,时空扫描统计量不仅能够通过空间扫描对聚集区域进行有效识别,而且还可以结合时间趋势,对聚集区域进行自动识别和过滤,从而能显着提高探测的精度(从图5最后一幅图最能直观地看出,从单纯的空间扫描到时空扫描前后聚集

36、区的变化情况.此外,通过对数似然率llr,扫描统计量方法还能进一步对聚集区域进行概率上的分类,依次找出第一,第二乃至第三个最有可能的聚集区(first/second/thirdmostlikelyclustero对空间自相关和扫描统计量的结果进行比较.从图5第一幅图可看到,采用空间自相关queen邻接矩阵(具有代表性的邻接方式)进行比率分析,得到的高高(hi一hi曲)聚集区全部集中在浙东北地区,主要包括杭州,绍兴,慈溪和宁波等市县,除了湖州,德清,上虞等区域外,这与单纯的空间扫描结果和时空扫描结果是比较接近的,但是相对于扫描统计量来说,空间自相关对聚集区的探测没有发现位于浙东南的温州,乐清等市

37、县,因为从实际的发展情况来看,温州,乐清等地区的工业发展规模和实际从业人员的数量都比较突出,在整个浙江省乃至全国都有着比较重要的影响,从这一点来看,空间自相关的探测不完整;图2继续采用空间自相关k-nearest邻接结果进行分析,可以发现邻接尺度变化后,宁海县也被列入了聚集区内,但从2009年实际的工业发展情况来看,宁海县的工业产值排在全省第33位,工业从业人口也排在了第25位,所以k-nearest结果很显然虚增了聚集区域,而与此同时,绍兴县却被排斥到了聚集区之外,在整个聚集区范围内形成了孤岛”,从绍兴县实际的工业发展情况来看,这显然不符合实际;最后,继续观察queen二阶邻接的结果,可以发

38、现杭州市也被划分到了聚集区之外,这与实际情况相比,误差不言而喻.从空间白相关的分析结果来看,不仅邻接准则选择对分析结果的影响很大,而且结论的稳定性和可靠性也缺乏足够的保证.相比之下,时空扫描统计量的结果则更加符合实际情况.此外,将两种扫描结果与空间自相关的结果进行比较,从扫描过程能够发现扫描统计量方法在空间尺度选择和转换方面确实具有独特优势.首先,尺度的选择和转换都是通过模型自动实现,没有人为因素影响;其次,尺度转换中系统自动实现了时空融合的过程,这是空间自相关分析难以达到的.以图5第四幅图为例来说明整个扫描过程中尺度的转换情况,在空间扫描过程中,系统会自动选择浙江省所有市县中的某个区域,例如

39、绍兴市区,然后将绍兴市作为扫描窗口的圆心和起始位置,再将周围所有的区域划分成若干个圈层(窗口)进行扫描,例如,第一个圈层可以锁定上虞市,绍兴县,余姚市,诸暨市和杭州市,分别比较圈层内外的似然率;第二次扫描时,可以再将窗口扩大到海宁市,海盐县,富阳市,桐庐县,浦江县,义乌市,东阳市,新昌县,奉化市,然后再比较两个窗口的似然率,从第一次扫描到第二次扫描,整个窗口在扩大时系统会自动实现尺度的外推.依此类推,通过不断的尺度调整,扩大扫描区域,进而将分析范围扩大到全省,所有市,县都将被覆盖.整个过程中,窗口尺寸的改变是系统自动完成的,与空间自相关方法相比,模型有效地避免了人为选择尺度的不利因素,而且很好

40、地实现了时空融合的目的,所以扫描结果更加客观和准确.5总结与讨论通过空间自相关和扫描统计量方法的比较,可以看出,在聚集探测方面,时空扫描统计量方法具有三方面的显着优势:尺度选择的优势.与空间自相关人为选择邻接或距离矩阵的方式相比,扫描统计量方法实现了尺度自动转换的目的,避免了主观选择尺度的不稳定因素;尺度转换的优势.空间自相关分析所选择的尺度是静态的,单一,无法进行多尺度分析,而扫描统计量方法完全实现了从静态,单一尺度到动态,立体多尺度的转换;时空融合的优势.空间表1时空扫描统计量和纯空间扫描统计量结果对比tab.1comparisonoftheresultsforspatialtempora

41、lscanstatisticsandpurespatialscanstatistics注:分析软件clusterseer0.2.3(尺度外推趋势均选择线性外推方式).hua莲0ahvvol27o22ol22012年第2期总第124期空间自相queen结果图53.8.9时空扫描结果图时空扫描和春空间扫描比较?识别叠加区图5空间自相关和时空(空间)扫描结果对比图fig.5comparisonoftheresultsforspatialautocorrelafionandspatial-temporal(spatia1)scanstatistics自相关方法分析聚集问题没有考虑时间因素,而时空扫描统

42、计量方法充分融合了时空技术,分析效果良好.除此之外,扫描统计量不仅能准确探测聚集发生的范围,还能定量评价聚集发生的可能性,并根据似然率对聚集发生的层次进行划分,识别最显着热点区域.扫描统计量还能按照时间性划分为回顾型和前瞻型.回顾型能对已经发生的聚集进行准确定位,前瞻型还能结合时空属性,对未来的聚集范围作出预测,能为下一步制定政策提供科学依据.扫描统计量方法虽然具有上述种种优势,但其作为一种探索性的时空分析方法,正处在一个发展阶段,所以仍然存在一些不足和局限.例如,对于某个空间单元来说,其形状往往可能是不规则的,所以扫描窗口的形状也应该多种多样,尽管kulldorff等学者努力改进了扫描窗口的

43、形状,从最初的圆形窗口发展到了现在的椭圆形窗口,但这仍不足以应对千变万化的空间形状.此后又有学者提出了任意形状flexscan的扫描方法,但这种方法也仅仅局限于纯粹的空间扫描,没有拓展到时空领域.而且,扫描统计量方法也没有充分考虑时空的非平稳性因素,所以,后续的研究应该更多地聚焦于此类问题,以提高时空扫描的准确性和实用性.参考文献囡叠曼曼兰竺1徐康宁.当代西方产业集群理论的兴起,发展和启示j.经济学动态,2003,15(3):7075.2葛莹,姚士谋,蒲英霞,等.运用空间自相关分析集聚经济类型的地理格局j_人文地理,2005,83(3):2025.3陈彦光.基于moran统计量的空间自相关理论

44、发展和方法改进lj.地理研究,2009,28(6):1450.1462.【4anselinl.localindicatorsofspatiassociationlisa.geographicalanalysis,1995,27(2):93115.5应龙根,宁越敏.空间数据性质,影响和分析方法j.地球科学进展,2005,20(1):49-55.6张松林,张昆.全局空间自相关moran指数和g系数对比研究j.中山大学,2007,46(4):93.97.7洪国志,胡华颖,李郇.中国区域经济发展收敛的空间计量分析j1.地理,2010,65(12):1548.1558.8caofangdong,wujiang,xumin.researchonspatialdisparityofeconomyatcountylevelbasedonthespa