空间相关分析(一) 空间权重矩阵
之前的博客分享了各行政区shp文件的制作方法,在拿到shp文件后就可以进行空间相关分析啦。今天来介绍一下相关理论的基础——空间权重矩阵的创建。
定义介绍
根据地理学第一定律"任何事物都是紧密相连的,只不过越相邻的事物连接更紧密"。而空间权重矩阵即可描述事物间的关联程度。根据类型,可分为邻接矩阵和距离矩阵。
-
邻接矩阵
根据空间相邻关系,相邻既可以是有共同边界又可以是有共同顶点。因此,可分为三种类型:Bishop邻接、Rock邻接、Queen邻接,分别如图(a),(b),©所示
图a中A与所有的B都是共顶点连接
图b中A与所有的B都是共领边连接
图c中A与所有的B既是共顶点连接又是共领边连接
不难看出,Queen邻接是Bishop邻接和Rock邻接的结合。一般实际操作过程中,多数都是选Queen连接。根据连接方式,我们即可构建如下空间权重矩阵 W W W来反映区县间的邻接关系:
W = [ w 11 w 12 … w 1 n w 21 w 22 … w 2 n ⋮ ⋮ ⋮ ⋮ w n 1 w n 2 … w n n ] W=\begin{bmatrix} w_{11} & w_{12} & \dots & w_{1n}\\ w_{21} & w_{22} & \dots & w_{2n} \\ \vdots & \vdots & \vdots & \vdots \\ w_{n1} & w_{n2} & \dots & w_{nn} \end{bmatrix} W=⎣⎢⎢⎢⎡w11w21⋮wn1w12w22⋮wn2……⋮…w1nw2n⋮wnn⎦⎥⎥⎥⎤
其中, w i j = { 1 , 区县 i 与区县 j 相邻时 0 , 区县 i 与区县 j 不相邻时 w_{ij}=\begin{cases} 1, & \text{区县$\mathit{i}$与区县$\mathit{j}$相邻时} \\ 0, & \text{区县$\mathit{i}$与区县$\mathit{j}$不相邻时} \end{cases} wij={1,0,区县i与区县j相邻时区县i与区县j不相邻时
特别说明:当 i = j i=\mathit{j} i=j 时,记 w i j = 0 w_{ij}=0 wij=0
不难看出,矩阵W是个对称阵,即 W T = W W^T=W WT=W -
距离矩阵
空间单元间除了相邻关系,还有可用距离进行描述。在空间计量经济学中,可分为狭义距离和广义距离。狭义距离通常指两个区域的质心距离或者行政中心距离,构建方式如下:
W = [ 0 1 d 1 , 2 … 1 d 1 , n 1 d 2 , 1 0 … 1 d 2 , n ⋮ ⋮ ⋮ ⋮ 1 d n , 1 1 d n , 2 … 0 ] W=\begin{bmatrix} 0 & \frac{1}{d_{1,2}} & \dots & \frac{1}{d_{1,n}}\\ \frac{1}{d_{2,1}} & 0 & \dots & \frac{1}{d_{2,n}} \\ \vdots & \vdots & \vdots & \vdots \\ \frac{1}{d_{n,1}} & \frac{1}{d_{n,2}} & \dots & 0 \end{bmatrix} W=⎣⎢⎢⎢⎢⎡0d2,11⋮dn,11d1,210⋮dn,21……⋮…d1,n1d2,n1⋮0⎦⎥⎥⎥⎥⎤
其中, d i j d_{ij} dij表示区域 i \mathit{i} i与区域 j \mathit{j} j之间质心距离(或者行政中心距离)。故距离越远,空间权重系数越小,空间相关性越差。
广义距离则包括多种形式的虚拟距离,比如:经济距离。例如:在研究区域经济聚集现象时,很多情况下地理位置相邻并不能代表相关性相同。例如:浙江省、江苏省、安徽省三者相领接,但浙江省和江苏省的经济实力明显要高于安徽省,则我们可认为浙江与江苏经济距离更近,而安徽与浙江、江苏的经济距离较远,故前者的空间权重系数要较后者大,空间相关性更强。构建方式如下:
W = [ 0 1 ∣ Y 1 − Y 2 ∣ … 1 ∣ Y 1 − Y n ∣ 1 ∣ Y 2 − Y 1 ∣ 0 … 1 ∣ Y 2 − Y n ∣ ⋮ ⋮ ⋮ ⋮ 1 ∣ Y n − Y 1 ∣ 1 ∣ Y n − Y 2 ∣ … 0 ] W=\begin{bmatrix} 0 & \frac{1}{|Y_{1}-Y_{2}|} & \dots & \frac{1}{|Y_{1}-Y_{n}|}\\ \frac{1}{|Y_{2}-Y_{1}|} & 0 & \dots & \frac{1}{|Y_{2}-Y_{n}|} \\ \vdots & \vdots & \vdots & \vdots \\ \frac{1}{|Y_{n}-Y_{1}|} & \frac{1}{|Y_{n}-Y_{2}|} & \dots & 0 \end{bmatrix} W=⎣⎢⎢⎢⎢⎡0∣Y2−Y1∣1⋮∣Yn−Y1∣1∣Y1−Y2∣10⋮∣Yn−Y2∣1……⋮…∣Y1−Yn∣1∣Y2−Yn∣1⋮0⎦⎥⎥⎥⎥⎤
其中, Y i Y_{i} Yi和 Y j Y_{j} Yj代表各区域的经济发展水平,则 ∣ Y i − Y j ∣ |Y_{i}-Y_{j}| ∣Yi−Yj∣则代表两者的经济距离。(一般文献里面用的比较多的是人均GDP来衡量地区发展水平,如果更深入地讨论的话可以使用主成分分析、层次分析、熵值法等方法构建综合经济指标体系),具体的构建方式可参考经济距离矩阵Python构建
Geoda创建空间权重矩阵
理论说完了,开始实际操作吧。Geoda创建空间权重矩阵还是比较简单的,这里使用的是Geoda1.14中文版本,以重庆市为例:
工具——空间权重管理——创建——选择ID变量
!注意,这里的ID变量必须是一个ID对应一个区县
根据需要选择对应的连接方式即可。邻接型生成的是gal文件,距离型生成的是gwt文件。这里以Queen连接生成的gal数据格式说明:
第一行38代表重庆市区县总个数,500229是区县对应的ID,它有两个相邻区县,分别是500238和500234;以此类推,500238有5个相邻的区县分别为500229,500234,500237,500235,500236。以地图的方式显示如下:
当然,gal这种数据格式定义的权重矩阵并不是前面定义所提到的
n
∗
n
n*n
n∗n形式的矩阵。我们可以用R进行转化,转化代码如下:
gal2mat <- function(gal, row.st = TRUE) {
gal <- scan(gal, skip = 1)
neighbors <- list()
while(TRUE) {
nb <- gal[2]
if(nb != 0) {
neighbors[[as.character(gal[1])]] <- as.character(gal[3:(2+nb)])
} else {
warning(paste("Unit", gal[1], "has no neighbor."))
neighbors[[as.character(gal[1])]] <- 0
}
gal <- gal[-(1:(2+nb))]
if(length(gal) == 0) break
}
n <- length(neighbors)
swm <- matrix(0, n, n)
dnames <- names(neighbors)
dimnames(swm) <- list(dnames, dnames)
for(i in dnames) {
swm[i, neighbors[[i]]] <- 1
}
if(row.st) {
swm <- apply(swm, 1, function(x) {
if(sum(x) != 0) return(x/sum(x)) else {
warning("The sum of row is 0.")
return(x)
}
})
swm <- t(swm)
}
return(swm)
}
library(spdep)
mynb <- read.gal("Export_Output.gal",override.id=TRUE)
spmat1 <- nb2mat(mynb, zero.policy=TRUE)
spmat2 <- gal2mat("Export_Output.gal",row.st=FALSE)
write.csv(spmat2, "spmat.csv")
Arcgis创建空间权重矩阵
Arcgis创建空间权重矩阵时,shp文件必须放在英文路径下,否则会报错!
ArcToolBox—空间统计工具—空间关系建模—生成空间权重矩阵
这里的CONTIGUITY_EDGES_ONLY、CONTIGUITY_EDGES_CORNERS对应的就是Rock连接和Queen连接。生成权重矩阵信息如下:
最终生成的是swm文件,还需要将其转化为表。
空间统计工具——工具——将空间权重矩阵转化为表
生成的表是dbf文件,先用excel打开查看数据情况
OBJECTID即是区县的代码,这里和gal文件表示邻接的方式有些区别。即代号为128的区县有两个领接的区县123和134。
同样可以使用R语言转为
n
∗
n
n*n
n∗n的矩阵,如下所示:
swm2mat <- function(dbf) {
library(foreign)
swm <- read.dbf(dbf)
units <- as.character(unique(swm[,2]))
n <- length(units)
mat <- matrix(0, nr=n, nc=n)
dimnames(mat) <- list(units, units)
i <- as.character(swm[,2])
j <- as.character(swm[,3])
w <- swm[,4]
Map(function(i,j,w) mat[i,j] <<- w, i, j, w)
return(mat)
}
spmat <- swm2mat("province31_swm.dbf")
(最后吐槽一下,本来想写博客只是将自己学的知识整理一下。没想到论文检测的时候,居然检测到自己的博客,简直要吐血!!
参考文献:
1.漫谈空间权重矩阵W
2.将gal权重文件转成n-by-n矩阵
3.将swm权重文件转为n-by-n矩阵
更多推荐
所有评论(0)