在上篇中,我們詳細地闡述了全局莫蘭指數(Global Moran’I)的含義以及具體的軟件實操方法。今天,就來進一步地說明局部莫蘭指數(Local Moran’I)的含義與計算。
首先說明一下進行局部相關分析的必要性:
- 在全局相關分析中,如果全局莫蘭指數顯著,我們即可認爲在該區域上存在空間相關性。但是,我們還是不知道具體在哪兒些地方存在着空間聚集現象。這個時候就需要局部莫蘭指數參與幫助說明。
- 即使全局莫蘭指數爲0,在局部上也不一定就沒有空間聚集現象!(上篇博客中,學生的成績的例子足以說明,在此不再贅述)
一、公式說明
還是先從公式入手進行理解,相比全局莫蘭指數,局部莫蘭指數的計算方式要簡潔許多,其計算方式如下:
其中,,,爲空間權重值,爲研究區域上所有地區的總數,則代表第個地區的局部莫蘭指數。爲了方便理解,這裏的還是代表第地區的人均GDP,並將求和號展開:
從上式不難看出,的正負取決於和後面那一坨。前者可反映出第個地區的經濟發展水平與整個區域的平均水平之間的高低情況,後者則反映出第個地區的經濟發展水平與周邊地區之間的高低情況。兩個式子都有高低兩種可能性,兩兩組合,共有四種情況。
以表格的方式呈現如下:
含義 | |||
---|---|---|---|
>0 | >0 | >0 | 第i個地區經濟發展水平高,周邊地區發展水平高 |
<0 | <0 | >0 | 第i個地區經濟發展水平低,周邊地區發展水平低 |
<0 | >0 | <0 | 第i個地區經濟發展水平低,周邊地區發展水平高 |
>0 | <0 | <0 | 第i個地區經濟發展水平高,周邊地區發展水平低 |
二、Moran’I散點圖
當然,將上表內容以可視化的方式呈現,就得到了Moran’I散點圖。以爲x軸,爲y軸,將平面區域劃分爲四個象限,如下圖所示:
這裏還是以2018年人均GDP爲基礎數據,利用Geoda進行局部相關分析。操作過程如下:
導入空間權重矩陣——空間分析——單變量局部Moran’I分析
選擇PGDP2018後,彈出以下對話框,這裏我們先選擇Moran散點圖
細心地小夥伴可能會發現,下面這張圖和全局莫蘭指數得到的圖是一樣的!(emm.上面的那個moran’I 是全局莫蘭指數,下面這些散點的橫縱座標的乘積就是各個區縣的局部莫蘭指數。相當於,一張圖涵蓋了兩種指數的信息。
簡單對這張圖分析一下:從局部相關的角度來看,第一、三象限的點明顯多於第二、四象限的點,即表示"低—低"型和"高—高"型聚集的區縣較"高—低"型、"低—高"型的區縣更多。更簡單地來說,即經濟較低(高)的區縣在空間上更易聚集。從差異的角度來看,若"低—低"型和"高—高"型區縣數量多,即說明此時的空間差異較小。(類比,你胖,周圍人也胖,是不是你就胖的不明顯啦
順便提一下,既然全局莫蘭指數和局部莫蘭指數都稱莫蘭指數,兩者肯定是有關係的,數學公式表達如下:
其中,
更多詳細的內容,有興趣的小夥伴可參考:
Anselin L . Local Indicators of Spatial Association—LISA[J]. Geographical analysis, 1995, 27(2):93-115.
三、LISA聚集圖
說到這兒,好像還沒說局部莫蘭指數怎麼檢驗吧!其實,檢驗方法一樣還是利用Z檢驗:
其實,上面那個moran’I散點圖並沒有對各個區縣的局部莫蘭指數進行檢驗,LISA聚集圖在就在給定的顯著性水平下,對於那些通過顯著性檢驗的區縣以地圖的方式呈現出來,繪製的LISA聚集圖如下:
Geoda就這一點不好,沒法將區縣名顯示在LISA聚集圖上。(有該需要的可以用Arcgis實現
從上圖不難看出,重慶市經濟發展水平較高的都聚集在渝西南地區,經濟水平較低的大多聚集在渝東北地區,少部分聚集在渝東南地區,此外,"高-低"型和"低-高"型聚集區縣並沒有呈現出來。(若想更全面地展現經濟水平聚集情況,光是人均GDP這一個指標肯定是遠遠不夠的)
以上就是本次分享的全部內容~