空间权重矩阵总结

前言

建立空间计量模型的前提,一般要引入空间权重矩阵 W W W来表达 n n n个位置的空间区域邻近关系。
但空间权重矩阵的构造一直是备受争议的,理论是不存在最优的空间矩阵,那么在实证分析中,通常用一个词总结试一试。下文总结了目前研究中所有的空间权重矩阵。

1.邻接矩阵

空间矩阵的常规设定有两种,一个是 简单二进制邻接矩阵,按照国际响起规则,顾名思义相邻(共边)为1,反之为0.
W [ i ] [ j ] = 1 W[i][j] = 1 W[i][j]=1,如果地理单元 i i i与地理单元 i i i相邻或存在连接;
W [ i ] [ j ] = 0 W[i][j] = 0 W[i][j]=0,如果地理单元 i i i与地理单元 j j j不相邻或不存在连接。

2.基于距离的空间邻接矩阵

这是按照
W [ i ] [ j ] = 1 W[i][j] = 1 W[i][j]=1,如果地理单元 i i i与地理单元 i i i当区域 i i i的距离小于d时;
W [ i ] [ j ] = 0 W[i][j] = 0 W[i][j]=0,其他。
表示地理单元 i i i与地理单元 j j j之间的权重,其中 d [ i ] [ j ] d[i][j] d[i][j]是地理单元 i i i与地理单元 j j j之间的距离。

3.基于万有引力定律的空间邻接矩阵

此矩阵用于区域贸易问题,由诺贝尔经济学家Tingbergen提出。
在这里插入图片描述
m i m_i mi表示表示 i i i地区的经济实力, r i j r_{ij} rij地区 i i i j j j的地理距离。

4.基于地理距离标准构造空间权重矩阵

基于地理学第一定律建立,即任何事物与其他周围事物之间均存在一定联系,而距离较远的事物总比距离较远的事物联系更加紧密。
在这里插入图片描述
d d d表示两地区地理中心位置之间的距离。

5.社会经济特征空间权重矩阵(经济距离空间权重矩阵)

基于地理的权重矩阵反映的空间联系较为粗糙,还应该考虑非地理邻近因素。值得注意的是,注意两单元之间的相互强度影响(理解:班级中,好的同学带动差的同学成绩提升作用与差的同学给好的同学反馈作用是不对等的),

W = W d d i a g ( Y ‾ 1 Y ‾ , Y ‾ 2 Y ‾ , Y ‾ 3 Y ‾ , … , Y ‾ n Y ‾ ) W=W_ddiag(\frac {\overline{Y}_1} {\overline{Y}},\frac {\overline{Y}_2} {\overline{Y}},\frac {\overline{Y}_3} {\overline{Y}},\dots,\frac {\overline{Y}_n} {\overline{Y}}) W=Wddiag(YY1,YY2,YY3,,YYn)

W d W_d Wd为地理距离空间权重矩阵。 Y i ‾ = 1 t 1 − t 0 + 1 ∑ t = t 0 t 1 Y i t \overline{Y_i}=\frac{1}{t_1-t_0+1}\sum_{t=t_0}^{t_1} Y_{it} Yi=t1t0+11t=t0t1Yit, Y ‾ = 1 n ( t 1 − t 0 + 1 ) ∑ i = 1 n ∑ t = t 0 t 1 Y i t \overline{Y}=\frac{1}{n(t_1-t_0+1)}\sum_{i=1}^{n} \sum_{t=t_0}^{t_1} Y_{it} Y=n(t1t0+1)1i=1nt=t0t1Yit

6.竞争矩阵

通常,基础设施建设可能存在一定的正负溢出效应。
构造的竞争矩阵空间权重为:
$$ d i j = ∑ m ( a i m − a j m ) 2 d_{ij}=\sqrt { \sum_{m}(a_{im}-a_{jm})^2} dij=m(aimajm)2
a i m a_{im} aim 表示省份 i i i的产业 m m m占制造业产值比重。

7.其他

  • Queen 近邻权重矩阵:表示单元周围 8 个方向的相邻单元都有权重值,采用一个正方形相邻计算范围。
  • Rook 近邻权重矩阵:仅考虑单元周围 4 个方向的相邻单元,采用一个正方形相邻计算范围。
  • Distance 权重矩阵:单元之间的权重取决于它们之间的距离远近,一般采用欧式距离、曼哈顿距离等方式计算。
  • Kernel 权重矩阵:将每个单元周围的相邻单元权重分配一个权值,常用Gaussian(高斯核)、Epanechnikov核权重等。
  • 2
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
### 回答1: 反距离权重插值(inverse distance weighting interpolation)是一种常用的空间插值方法,它根据插值点与已知点之间的距离来计算权重,距离越近的已知点权重越大。 实现反距离权重插值的流程如下: 1. 准备已知点数据集:首先,需要准备已知点的数据集,包括每个已知点的坐标和相应的数值。 2. 确定插值点:根据需要插值的区域,确定插值点的坐标。 3. 计算距离和权重:对于每个插值点,分别计算其与已知点之间的距离,并根据距离计算权重。常用的距离计算方法有欧氏距离和曼哈顿距离,权重计算可以使用不同的公式,例如w = 1/d,其中d为距离。 4. 根据权重进行插值:根据插值点与已知点的距离权重,对已知点的数值进行加权平均,得到插值点的估计值。插值公式一般为:Z(x,y) = ∑(Zi * wi) / ∑wi,其中Z(x,y)为插值点的估计值,Zi为已知点的数值,wi为权重。 5. 输出插值结果:输出插值点的估计值,可以以矩阵或栅格的形式呈现。 需要注意的是,反距离权重插值对于已知点周围的区域插值效果会较好,但在远离已知点的区域可能会产生较大的误差。同时,插值的结果也受到已知点的数量和分布情况的影响。因此,在应用反距离权重插值时需要对其适用范围和局限性进行合理的评估。 ### 回答2: 反距离权重插值(Inverse Distance Weighting,IDW)是一种空间插值方法,通过对于待插值点附近每个已知点的距离进行加权,进而根据距离近远确定权重,从而得到待插值点的估计值。实现反距离权重插值的基本流程如下: 1. 读取已知点集及其对应的属性值。已知点可以是具有已知属性值的离散点集,可以根据现有地理数据或测量数据获取。 2. 定义待插值点。根据实际情况,确定需要进行插值得到属性值的待插值点。 3. 计算待插值点与已知点之间的距离。可以采用欧氏距离、曼哈顿距离等进行计算。 4. 根据距离计算权重。一般选择距离的倒数作为权重,即根据距离远近的不同确定权重大小,距离越近的已知点权重越大,距离越远的已知点权重越小。 5. 根据权重进行加权平均计算。将待插值点的属性值估计为已知点属性值的加权平均,权重即为距离的倒数。 6. 输出插值结果。得到待插值点的属性值估计结果,并根据实际需要进行后续处理和分析。 需要注意的是,在实际实现中,还需要对权重进行归一化处理,以确保插值结果具有一定的可信度和合理性。此外,反距离权重插值方法也可以进行改进和优化,例如引入最小二乘法、考虑不同距离阈值等,以提高插值结果的准确性和可靠性。 ### 回答3: 反距离权重插值是一种空间插值方法,用于在离散数据点之间进行数据的估计。它的主要思想是根据每个数据点与目标位置之间的距离来确定权重,距离越近的点权重越大。 反距离权重插值的实现流程可以概括为以下几个步骤: 1. 在目标位置周围选择一组已知数据点作为插值范围。 2. 计算目标位置与每个数据点之间的距离。 3. 根据距离计算每个数据点的权重。一种常用的权重计算方法是使用反距离的倒数作为权重,即权重等于距离的倒数。 4. 使用权重对数据点进行加权求和,得到对目标位置的估计值。加权求和公式为:估计值 = Σ(权重 * 数据值)/ Σ权重。 5. 输出估计值作为目标位置的插值结果。 需要注意的是,反距离权重插值方法对数据点的选择和权重计算都有多种不同的实现方式。在实际应用中,根据具体数据的特点,可以选择合适的数据点选择方法和权重计算方法,以获得更准确的插值结果。 总结起来,反距离权重插值的实现流程包括数据点的选择、距离计算、权重计算、加权求和和输出估计值等步骤。通过这些步骤,可以在离散数据点之间插值得到目标位置的估计值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wency(王斯-CUEB)

我不是要饭的

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值