空间统计分析实验报告
、空间点格局的识别 1、平均最邻近分析
平均最邻近距离指点间最邻近距离均值。该分析方法通过比较计算最邻近点 对的平均距离与随机分布模式中最邻近点对的平均距离，
来判断其空间格局，分
析结果如图1所示。
平均最近的相邻要素汇总
假谡工
得分为-7.U1-似然值小干1%，此芻塑格局可能是随机庐生齢 果。
平均最近的相邻要素汇总
平均袈療独
藹； OJ25213 预期平 0.144155 最邻近比率小于 1， 聚集
最邻近比率: 0.868598
分布，Z 值为-7.007176, 工得分: *7.007176 — P 值为0,即这种情况
P 值；
0.00 WOQ 是随机分布的概率为0
数抿集信息
18入霊養详细居民点
距葛生： E UCUOEAM
硏究区域；
64.586174 图1平均最邻近分析结果图
53 (E'KO**]
<
<1.5? -1.65
12 - L.M
I g - A 2M
计算结果共有5个参数，平均观测距离，预期平均距离，最邻近比率，得分，P 值。
P值就是概率值，它表示观测到的空间模式是由某随机过程创建而成的概率，
P值越小，也就是观测到的空间模式是随机空间模式的可能性越小，也就是我们越可以拒绝开始的零假设。最邻近比率值表示要素是否有聚集分布的趋势，对于趋势如何，要根据Z值和P值来判断。
本实验中的最邻近比率小于1 ,聚集分布，Z值为-7.007176, P值为0,即这种情况是随机分布的概率为0,该结果说明云南省详细居民点的分布是聚集分布的，不存在随机分布。
2、多距离空间聚类分析
基于Ripley's K函数的多距离空间聚类分析工具是另外一种分析事件点数
据的空间模式的方法。该方法不同于此工具集中其他方法（空间自相关和热点分析）的特征是可汇总一定距离范围内的空间相关性（要素聚类或要素扩散）。
本实验中第一次将距离段数设为10,距离增量设为1，第二次将距离段数设为5,距离增量同样为1,得到如图2和图3所示的结果。
从图中可以看出，小于3千米的距离内，观测值大于预测值，居民点聚集,
大于3千米，观测值小于预测值，居民点离散。且聚集具有统计意义上的聚集离散并未具有统计意义上的显著性。
KFunction
K Function
图2K函数聚类分析结果1—I—Expected K
Observed K
Clustered
4 5 6 7 3 9 10
Distance
Dispersed
3、密度制图
前面的最邻近分析和 K 函数聚类分析只能得到从数值上的出空间分布的 状态，但并不能直观看到分布集聚或分散的位置、形状和大小。密度制图根据
输入点要素的数值及其分布来计算整个区域的密度分布状况，
并产生一个连续
图3K 函数聚类分析结果 2
的栅格图形，利用密度制图可以通过密度显示点的聚集情况 D - g ：4g.675.444
坯弘16^7.152^
MJ 祁卫？9.岀?
3X154.705.?* ?閱 245.WJJ
<1,24^,30 -幅屈盟◎也如
43」號』弘陡亠
54iM<7a512 MJW-lll
图4核密度制图结果
在核密度分析中，落入搜索区内的点具有不同的权重，靠近网格搜索中心的点会被赋予较大的权重，随着与其网格中心距离的加大，权重降低。图4中
的值为详细居民点之间的距离的密度，从图中可以看出居民点密集的地方核密度分析的值越大，居民点越密集，如上图中用红色椭圆圈出来的区域，该地区位于滇东南，居民点比较密集，可能与该地区的地形、气候等因素有关。
二、中心位置测度分析
本实验中的测度分析包括云南省居民点的中心要素、平均中心和中位数中
心，结果如图5所示。中心要素表示居民点中处在最中心的居民点，平均中心计算的是所有居民点质心的平均中心，中位数中心计算的是可使所有居民点的欧式距离达到最小的点。
平均中心和中位数中心的计算以GDP为权重，所以计算出来的平均中心和中位数中心为云南省的经济中心，而中位数中心在计算的时候受异常值的影响较小，所以计算经济中心时一般以中位数中心为准，如图5中以GDP为权
重计算出的中位数中心位于昆明市，与昆明市是云南省的经济中心相一致。
图5中心位置测度分析结果
、离散度的测度分析
图6离散度测度分析结果 离散度测度分析的结果如图6所示，本实验中的离散度分析采用的是标准 距离和标准差椭圆。标准距离创建的是一个包含以平均中心点为中心的圆面， 半径为标准距离值，表示要素集中分布的范围；标准差椭圆创建的椭圆的中心 同样为平均中心，有两个不同的标准距离，表示要素集中分布的趋势。本实验 中的离散度分析以GDP 为权重来进行分析，结果如图6所示。图中的数据显 示云南省居民点主要集中分布在中部和东部地区，是一个以安宁市为中心，半 径为198千米的圆，说明云南省经济较发达的区域集中在以安宁市为中心的， 半径为198千米的圆内，集中分布的趋势为东北西南走向。
四、空间自相关和事物属性的空间分布格局
某类事物的出现（例如犯罪、某类用地、某居住空间等）是否造成了周边 同类或异类事物或现象的出现，即空间是否自相关；找到某类事物或现象异常 聚集的空间位置（例如低收入阶层聚集），以利于分析聚集的原因。
空间自相关是指分布于不同空间位置的地理事物， 热门的某一属性存在同 价相关性，通常距离越近的两值之间的相关性越大， 具体可分为空间正相关和 负相关，常用Moran 指数来表示。
本实验通过分析来判断是否存在高收入和高收入聚集，低收入和低收入聚
云
南
省
居民
点离
骰
度
测度分析
国