用于区域经济发展差异比较的方法较多,在使用中我们主要看到有以下几种,基尼系数、Theil指数、Ellison-Glaese指数、加权系数、变差指数、沃尔森指数等,这些方法中都没有地区之间进行空间自相关运算的功能,故都不能表达地区之间的空间差异与辐射机制[1]。在GIS空间分析的基础上引出探索性空间数据分析ESDA(探索性空间数据分析)方法,定义区域的空间权重矩阵,通过区域物体空间布局和现象的描述与可视化,揭示异常的空间差异状况,探索研究对象的空间作用机制[3]。本文主要采用GIS条件下的区域空间探索性空间数据分析方法,对江苏省各市区县域1999~2014年每隔3年人均GDP的空间分布格局及动态演变进行深入探讨,分析江苏省各县域之间自相关性及相互依赖性。

2  数据来源及预处理与研究方法

2。1  数据来源

本文人均GDP数据主要来自于1999、2002、2005、2008、2011、2014年江苏省统计局)的统计年鉴,有些数据从国家统计局的统计资料或相关地区政府网获取;空间数据从国家1:400万基础地理信息库中下载。

2。2  数据预处理

(1)江苏省县域空间数据:本文是在ArcMap10。1里,以国家1:400万基础图为底图进行的矢量化,得到江苏省县域地理空间数据shapefile图(如图1),矢量化过程中是以江苏省2014年已形成的县域行政区为基准。

图1 江苏省县域空间数据shapefile图

图2 (2)把从从江苏省统计年鉴中获取的县域人均GDP数据分别对应赋值进江苏省县域空间数据shapefile图的属性表的“人均GDP”字段中。鉴于江苏省县域的人均GDP数据过大,故将江苏省县域人均GDP数据进行了标准化处理,即用各县的人均GDP数据分别除以当年中人均GDP最高的县而得到的值,这些值被分别对应赋在新的字段“BZF”里。“BZF”里的数据就是下文进行探索性空间数据分析使用数据,如图2是部分属性表数据。文献综述

2。3  研究方法

(1)全局空间自相关:全局空间自相关是研究属性在整个区域的空间特征,其反映空间邻接或空间邻近区域中单元观测值的相似程度[4]。Moran’s I指数是用来度量空间自相关的全局指标[5],本文使用Moran’s I指数如下:

                                     公式(1)

公式(1)中,为全局Moran’s I指数的值,为空间权重矩阵(空间邻接为1,其它为0),、分别为区域i、j的特征值;Moran’s I指数取值在之间,表示正相关,表示不相关,表示负相关[6];Moran’s I指数结果进行统计检验采用检验[7]。

                                                  公式(2)

公式(2)中,、分别表示数学期望值和方差[8],检验结果表明所有区域单元观测值之间是否存在空间自相关。当时,表明存在正的空间自相关,反映了相似的观测值之间趋于空间集聚;当时,存在负的空间自相关,表明相似的观测值之间趋于分散分布;当时,则观测值处于独立随机状态[9]。

(2)局部空间自相关

空间联系的局部指标(local indicators of spatial association),简称LISA,LISA可以很好的描述局部区域的高值或低值集聚。LISA的局部Moran’s I指数。

                                                公式(3)

上一篇:农村剩余劳动力转移过程中存在的问题及对策
下一篇:上市公司股权激励对公司绩效的影响

共享经济在国内的发展现...

基于O2O共享经济视角下的商业模式研究

物美双十二现象的经济学思考

网络旅游经济背景下旅游...

洋家乐民宿经济对我国宅...

浅析人民币升值对中国经济的影响

麦當劳文化的西方资本主...

ASP.net+sqlserver企业设备管理系统设计与开发

网络语言“XX体”研究

新課改下小學语文洧效阅...

LiMn1-xFexPO4正极材料合成及充放电性能研究

互联网教育”变革路径研究进展【7972字】

老年2型糖尿病患者运动疗...

安康汉江网讯

张洁小说《无字》中的女性意识

我国风险投资的发展现状问题及对策分析

麦秸秆还田和沼液灌溉对...