1.概述
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 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 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 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 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 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 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 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 –
声明：本站部分文章及图片源自用户投稿，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！