GeoDa空间数据分析：收入空间滞后与变量选择

"这篇资源是关于使用GeoDa软件进行空间数据分析的工作手册，特别是涉及如何处理空间滞后变量和创建Moran散点图。作者是Luc Anselin，此手册补充了GeoDa用户指南，并针对GeoDa 0.95i版本。内容包括实际操作指导和示例，适用于学习空间数据分析和空间回归分析。手册中提到了如何计算和验证空间滞后变量，以及如何通过菜单或工具条创建Moran散点图来探索空间自相关性。" 在空间数据分析中，空间滞后是一个关键概念，它表示一个地理位置的变量值受到其相邻位置的变量值影响。例如，标题提到的“收入的空间滞后”，指的是某个地区的收入水平不仅受自身影响，还可能受到周围地区收入水平的影响。在图17.6中，通过使用邻接权重文件sacrook.GAL，可以计算出每个区域的空间滞后变量W_INC，它是相邻单元HH_INC的简单平均值。 Moran散点图是检测空间自相关性的一种方法，它展示了兴趣变量（X轴）与空间滞后变量（Y轴）之间的关系。在这个例子中，X轴变量是HH_INC（家庭收入），Y轴是W_INC（空间滞后的家庭收入）。通过在GeoDa中选择Explore>Scatter plot，然后指定这两个变量，可以生成图17.8所示的散点图。这种图可以帮助分析者判断收入变量是否存在空间聚集模式，即高收入区域倾向于与高收入区域相邻，低收入区域则可能与低收入区域相邻。 此外，手册强调了GeoDa软件的使用，这是一个免费的开源软件，适用于进行空间统计分析和空间建模。手册提供的实例和练习数据可以从SAL网站下载，用于熟悉软件功能和方法，适合初学者和研究人员进行实践操作。 这个资源提供了关于如何在GeoDa中处理空间滞后变量和检测空间自相关的详细步骤，对于理解和应用地理数据分析技术具有重要意义。通过这样的操作，研究者可以深入理解地理现象的空间结构，进而做出更准确的分析和预测。