分析并写出下列程序的运行结果_（一）地区社会弱势性空间格局分析

01.题目解释

1. 社会弱势性：是指个人、家庭或群体因资源缺乏，难以获取充足的食物、良好的住房条件、平等的教育机会、充分的就业机会、适量的社会服务或消费型娱乐活动，从而影响其拥有正常水平的日常生活、消费和娱乐的不平等社会现象。
2. 空间格局：是指生态或地理要素的空间分布与配置。

02.学习内容

1. 多维度指标集成的原理和方法；
2. 不同类型的空间权重矩阵对空间自相关分析的影响；
3. 空间回归模型研究实际问题。

03.实验思路

04.软件说明

1. ArcGIS，于微信公众号“软件安装管家”下载；
2. Excel，最好是WPS中自带或Microsoft Office中最新版；
3. SPSS，于微信公众号“电脑学习”下载；
4. Geoda，于微信公众号“武大城市化研究室”（后简称“SLab”）历史消息中“空间数据分析云课堂”文末网盘下载。
5. 实验数据及研究区

详见“SLab”推文“空间数据分析云课堂（一）”

1. 实验步骤

2.0打开【教材配套内容】》【exp1】》【data_exp1】，所有实验数据如下。

2.1探索性数据分析

打开如上的SPSS26（音：思怕死；注：该软件不同版本的单词翻译不尽相同，但大概意思所差无几），【文件】》【打开】》【数据】，按如下操作并【打开】。

之后出如下对话框，

解释一下工作表，现在用Excel打开刚才的表格，发现table的左下角有两个，所以SPSS中的两个“工作表”就分别对应Excel中的“sheet1”和“sheet2”。SPSS的数据统计分析能力出众，据说还有R语言、Python语言以及MATLAB语言均可。

上述步骤做完后，屏幕会出现两个SPSS的窗口，一个是数据编辑，一个是数据输出显示。

（a）SPSS数据编辑窗口图

（b）SPSS数据输出窗口图

根据实验思路，我们要用SPSS做描述性统计，认识各项原始指标的数量特征。前面谈过数据编辑窗口，此时点击【分析】》【描述统计】》【描述】。选取与主题“社会弱势性”相关的变量，其中PAC是行政区划代码，可以通过Ctrl键选择除下图左侧四个以外的其他变量，通

确定之后，数据编辑完当然是数据输出了，桌面会弹出如下窗口。

其他的都不用管，只需要关注主显示区中的表格，而且表格可通过Ctrl+C粘贴到Excel，非常方便。

2.2综合指数构建

我们在对某种事物进行评价或分析，都需要构建指标体系或参数。

2.2.1数据标准化

数据标准化是将数据按比例缩放至一个小区间内。数据的标准化/归一化常用方法有min-max标准化（离差标准化，对原始数据线性变换，使结果落在[0,1]）、Z-score标准化（即化成标准正态分布曲线）。

这里极值标准化的结果落在[-1,1]内。

下面我们准备操作，打开前面的Excel表开始实验。将社会弱势性指标全部复制到新的工作表，并重命名为“标准化”。全部复制可通过左击工作表左上角“粉红框”或Ctrl+A进行全部选中，再Ctrl+C,Ctrl+V。做备份是为了避免数据缺失。

准备数据标准化的计算，Excel窗口切换至“标准化”。首先我们先点击【视图】》【冻结窗口】》【冻结首行】，避免翻到表格底端看不到对应的指标名称。接着全选表格，右键点击【设置单元格格式】》【对齐】，勾选【自动换行】，这样首行看的更加清楚。在表格底端填写下列红框中的非数值内容，其中数值内容的计算设计max、min函数的运用，现以求“年平均工资”最大值max为例，在图中C75处输入“=max”,会自动出现函数列表，选择max函数后，从“年平均工资”的首行一直选到尾行即C72，回车即可，之后将求出的“10137”单元格的右下角的黑色十字丝向右平拉至尾列，min最小值的求法同理。

为了方便用刚才的标准化公式计算，将原表格的首行以及PAC、NAME全列复制至表底。此时结合表中的“正负”指标来选用标准化的公式。先只需计算出一列数值，也就是输入下列红框内的公式，之后再复制粘贴即可，不需要担心复制过去的是原数值，除非没有按下述提示调整。按F4键将一些公式中的固定量调整至如框所示，F4键按一次是引用行列，按两次是引用列，按三次是引用行。

粘贴完所有负向指标后，此时正向指标同理操作。

操作完成后，将刚才完成的结果即上图所示的全部内容复制粘贴至新的sheet中，并命名为“标准化结果”。粘贴的时候注意格式转化成“值和数字格式”，否则显示乱码。

接下来在SPSS中打开刚才创建的“标准化结果”，如下图示操作。

2.2.2 主成分分析

打开刚才生成的数据集，点击【分析】》【降维】》【因子分析】，如下。

将红框内容按下列图片更改设置。

全部设置完成并确定后，会自动弹出SPSS的输出窗口。重点关注KMO和巴特利特检验、总方差解释、旋转后的成分矩阵、成分得分系数矩阵。将旋转后的成分矩阵复制到新的sheet，操作如下。（Excel按Alt+Enter可在单元格内换行）

打开标准化结果table，根据成分得分系数矩阵，准备计算C1，C2，C3，C4，CI。

根据上面旋转后的成分矩阵可知有4个主成分，以成分1为例计算，成分1存在3个指标，那么将这三个指标分别与其在成分得分系数矩阵中对应的系数相乘，并将之全部相加，即可得到C1的值，在算出来的值的单元格的右下角十字丝双击两下，就得到整列的结果了。那么C2，C3，C4的计算是同理的。

接下来，按下图图示计算CI。这里C1、C2、C3、C4是主成分得分，CI是综合指数。CI是通过将Ci与对应的特征值相乘，并求和。i=1,2，3，4。特征值即图中红色。

将上面保存后，将该Excel另存为如下格式。

2.3 空间格局分析

右键左侧的图层名称，打开【属性】，将标注打出。

那么就能看到下图带有名称的各地级市。

再次右键左侧内容列表中的central.shp，【连接和关联】》【连接】，先保存并关闭刚才的Excel，按下图所示去做，注意这里连接的属性表是刚才保存的XLS文件。可以先验证连接，检查属性表。

接着【属性】》【符号系统】》【数量】》【分级色彩】，按下图操作。

注意分类这里改为4，前面有四个主成分。

同理制得C2，C3，C4，CI的图像，取名为“各维度弱势性及其综合空间格局”，如下所示。

这里只打印其中一份，其他同理。打印需要先切换至ArcGIS左下角的“布局视图”，然后利用工具栏“放大缩小”调整图像，再插入其他图像要素即可，上图的样式设置参考下图。

ArcGIS左下角切换到“布局视图”，插入指北针以及图例，图例的设置参考下图。

2.4 空间模式分析

右键左侧central图层，打开【数据】》【导出数据】，准备保存数据。

之后弹出如下，点击“取消”。

为了探究社会弱势性是否在空间上具有聚集或分散的模式，可采用空间自相关分析的方法，分为全局空间自相关分析和局部空间自相关分析。

2.4.1 社会弱势性空间分布模式

首先要通过GeoDa软件构建空间权重矩阵，空间权重矩阵是空间邻接关系和空间距离关系的直接表达，也是计算全局及局部空间自相关指数前必须定义的必要参数。

打开GeoDa，点击【文件】》【New project from】》【ESRI shp】，选择“空间模式分析”shp。点击【创建权重】，并按下图设置。创建的是基于k近邻的空间权重矩阵，其文件后缀是“.gal”。

设置完成后，保存为“rook1”。其中rook（共边即邻接）、Queen（共边共点即邻接）。

点击【空间】》【单变量莫兰指数】，在【变量设置】中选择CI，即计算全局空间自相关指数，弹出如下散点图。

注：莫兰指数是表示空间自相关程度；局域莫兰指数表示局域聚集特征；莫兰指数系数曲线表示多阶邻域空间自相关性变化特征；莫兰指数>0，空间正相关，越接近1，空间相关性越明显；莫兰指数=0，空间呈随机性；莫兰指数<0，空间负相关，越接近-1，则空间差异越大。

同样也可以创建二阶rook邻接矩阵，

在散点图任意空白处右键，选择【随机化】》【999序列】，查看对应的p值。

下面做局部空间自相关分析（LISA），选择基于欧氏距离的空间权重矩阵，

然后点击【空间】》【局部莫兰指数】，选择CI。勾选“集群地图”。

然后就上图做一些局部描述。

2.4.2 社会弱势性空间类型布模式

打开SPSS如下，

在变量视图中将PAC格式改为“字符串”类型，因为PAC地域代码是要用作标识的。

切换回数据视图，点击【分析】》【分类】》【系统聚类】，

再设置一些其他内容如下图。

全部如上设置完成后，点击确定，将输出集中的“集中计划”复制至上面的“xls”新的sheet中，并命名为“聚类表”。

根据聚类表选择最合适的距离阈值，或者说确定较为合适的分类数量。在聚类表中做如下操作。

之后对前十类做一个散点图，以直观表示系数随聚类数的变化情况。

可以看到在“4”这个点的前后幅度相差最大，因此暂时把聚类个数定为4.

切换回数据视图，点击【分析】》【分类】》【系统聚类】》【保存】，将聚类数定为4并确定。

接着打开【文件】》【另存为】，

在Excel中打开聚类4类，并将部分需要的内容（见下图）复制至新的sheet中，注意将PAC下的数值改为“数字”格式。再插入数据透视表。

数据透视表如下设置，

按上图操作，排名1~4的类别分别指定为“最低”、“较低”、“较高”、“最高”。

根据上表中的排序，写出类别如下。

接下来把特征与原始数据对应起来，复制部分sheet1内容到新的sheet2中，并将刚才的聚类结果以筛选的方式逐个输入。

点击【开始】》【筛选】。

逐个输入之后保存一下再关掉Excel，成果如下。

接下来我们要进行空间可视化，在ArcGIS中打开central.shp文件，并标注。

右键左侧central图层，属性连接。连接到聚类4类中的sheet2$中。

打开属性表可以看到聚类结果已经连接进来了。

右键左侧central.shp，【属性】》【符号系统】》【类别】》【唯一值】，如下设置。

应用确定后，点击聚类结果的符合可以修改其样式。

先选中“圆形1”再点击“编辑符号”，里面就有上述这些符号，这里就不演示了。然后把空间聚类图给打印出来。打印方法就不再赘述了，简单说就是：先在ArcGIS主界面的左下角切换至“布局视图”，如果图片太小可自行调整，插入指北针和图例以及标题，图例的设置中，如果有不需显示的内容，操作如下。

再双击图例，在样式中试试能不能找到你需要的那种类型的图例。

标题同理在双击标题后，进入更改符号可以改变字体的大小及类型。

打印后的成果图如下。

2.5 空间回归分析

探究利用普通线性回归和空间回归城市化建设与社会弱势性指数之间的关系。普通线性回归和空间回归均可使用GeoDa实现。也可以利用R语言或MATLAB实现。

再次打开central图层的数据连接，按下操作。

可以看到“城市化率”、“GDP”都已经导入进来了，此时点击central图层，【数据】》【导出数据】，并重命名为“空间回归分析”，

接下来点击“否”。

打开GeoDa软件，如果打开空间回归分析.shp文件时闪退了，建议检查一下属性表对应的Excel表的格式，以及可以重启一下arcmap，断开属性连接再重新连接一下表格试试。

点击【方法】》【回归】，按照下图设置。先进行OLS（普通最小二乘）回归分析。回归分析有三大参数估计方法，即最小二乘估计（OLS）、广义矩估计（GMM）、最大似然估计（MLE）。

注：以下内容需要重新操作，“因变量”改为“城市化”，下面“协变量”改为“CI”，选择Queen1矩阵。

另外还需注意Lmlag和LMError。 LM检验是卡方分布，Prob是对应的P value。

接下来做空间误差回归分析，在选择刚才的【回归】中改选【空间误差】。

这里只需查看R平方。

3. 思考总结