在之前的博客基本上已經對空間相關分析這一塊進行了詳細地介紹，今天以具體案例來實際對比，在兩種不同的計算指標下，空間相關分析的結論是否存在差異。

目錄

• • • • 一、基本回顧
      • 二、全局相關分析對比
      • 三、局部相關分析對比
      • 四、總結

一、基本回顧

還是以莫蘭指數的計算公式進行回顧：
$$I=\frac{n}{S_0}\times \frac{\sum _{i=1}^n\sum _{j=1}^n{w}_{ij}(y_i?\bar{y})(y_j?\bar{y})}{\sum _{i=1}^n(y_i?\bar{y}{)}^2}$$
當時談到，根據研究對象的不同，這里的$y_{i(j)}$的取值會有所不同。本次分析仍將研究重慶市2009年至2018年各區縣經濟發展水平在空間上的差異情況，對比當$y_{i(j)}$取人均GDP或綜合經濟指數時，空間分析的結論是否發生變化。

注：綜合經濟指數的計算方式詳細可參見以前的博客基于面板數據的熵值法介紹與實現，最后還需將計算出的結果添加到相應的dbf文件中！

二、全局相關分析對比

以一階領接矩陣為空間權重矩陣，在R語言中計算2009年至2018年的全局莫蘭指數。這里的PGDP則指人均GDP，而SCORE則是綜合經濟指數。由于篇幅限制，這里僅展示16年至18年兩個指標下的全局莫蘭指數結果。

以人均GDP為指標計算結果如下：

以綜合經濟指數計算結果如下：

所有年份的結果非常amazing呀，繪制的折線圖如下：

Z檢驗的結果如下：

Z值2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年

綜合經濟指數	6.79	6.51	6.54	6.27	6.24	6.24	5.59	5.76	5.49	5.41
人均GDP	6.40	6.14	6.25	6.08	6.32	6.36	6.07	5.89	6.05	5.73

從檢驗結果來看，兩種指標下的全局莫蘭指數都是顯著的。從圖中也不難發現，以綜合經濟指數計算的全局莫蘭指數始終 大于以人均GDP計算的全局莫蘭指數，說明前者更能反映出區縣間的平均關聯程度。這也從理論的結果體現出綜合經濟指數的確實相比單一的指標更能挖掘區縣間的空間關聯性。

以上從全局的角度考慮了兩種指標的差異，以下將從局部進一步探究兩種指標的差異情況

三、局部相關分析對比

2018年LISA聚集圖(左圖為人均GDP，右圖為綜合經濟指數)
???????? 兩張圖既有相似點又有不同點。相似點在于無論是用人均GDP還是綜合經濟指數，紅色區域(高高聚集)與藍色區域(低低聚集)大致都分布在渝西南、渝東北和渝東南地區，說明這些地區已經具備較為突出的經濟聚集特征。而不同點在于，以綜合經濟指數繪制出的LISA聚集圖還有其他兩種聚集特征的地區：高低聚集、低高聚集，這也是左圖中所沒有的，這也驗證了我們在全局相關分析中的結論。

四、總結

????????綜合來看，多指標數據比單指標數據做空間相關分析的效果會更好一些。原因可能在于：單指標各個區縣間的差異會很大，而多指標通過不同的維度進行測度后，最終區縣間差異并不是特別大。此時，利用莫蘭指數計算，相比單指標來說，得到結果會更加客觀一點。

總結

以上是生活随笔為你收集整理的空间相关分析(四) 空间相关分析实战——对比人均GDP与综合经济指数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。