** 创建空间权重矩阵介绍 *设置默认路径 cd C:\Users\xiubo\Desktop\F182013.v4\F101994\sheng **创建新文件 *shp2dta:reads a shape (.shp) and dbase (.dbf) file from disk and converts them into Stata datasets. *shp2dta:读取CHN_adm1文件 *CHN_adm1：为已有的地图文件 *database (chinaprovince)：表示创建一个名称为“chinaprovince”的dBase数据集 *database(filename)：Specifies filename of new dBase dataset *coordinates(coord)：创建一个名称为“coord”的坐标系数据集 *coordinates(filename)：Specifies filename of new coordinates dataset *gencentroids(stub)：Creates centroid variables *genid(newvarname)：Creates unique id variable for database.dta shp2dta using CHN_adm1,database (chinaprovince) coordinates(coord) genid(id) gencentroids(c) **绘制2016年中國GDP分布圖 *spmap:Visualization of spatial data *clnumber(#):number of classes *id(idvar):base map polygon identifier(识别符，声明变量名，一般以字母或下划线开头，包含数字、字母、下划线) *_2016GDP：变量 *coord:之前创建的坐标系数据集 spmap _2016GDP using coord, id(id) clnumber(5) *更改变量名 rename x_c longitude rename y_c latitude **生成距离矩阵 *spmat:用于定义与管理空间权重矩阵 *Spatial-weighting matrices are stored in spatial-weighting matrix objects (spmat objects). *spmat objects contain additional information about the data used in constructing spatial-weighting matrices. *spmat objects are used in fitting spatial models; see spreg (if installed) and spivreg (if installed). *idistance:(产生距离矩阵)create an spmat object containing an inverse-distance matrix W *或contiguity:create an spmat object containing a contiguity matrix W *idistance_jingdu:命名名称为“idistance_jingdu”的距離矩陣 *longitude:使用经度 *latitude:使用纬度 *id(id):使用id
不同空间权重矩阵在疟疾空间分布模式分析中的探讨苏茜1,冯子健2,蒋敏1,李晓松1,刘世安1,万华1 【摘要】 目的 探索不同空间权重矩阵在疟疾发病的空间自相关性以及空间分布模式中的适用性及其应用价值。方法 采用Queen权重、距离阈值权重、K最邻近点权重生成不同的空间权重矩阵,应用G eoDa和R软件对疟疾的全局和局域空间自相关模式进行分析。结果 3种权重矩阵均显示2005-2007年云南疟疾全局Moran’sⅠ系数有统计学意义,2006年聚集性最强;局域显示3年均存在滇西部的“正热点”区域,2007年新增西北部“正热点”,部分“负热点”随着发病扩散逐渐有高发病趋势;全局Moran’sⅠ系数在最小距离阈值和K=3时取最大值,探测热点时距离阈值权重更易使聚集区域扩大,K最邻近点权重不容易发现低值聚集。结论 应用不同的空间权重矩阵得到的热点区域存在一定差异,结合不同的空间权重矩阵进行分析,有助于加深对疟疾发病空间分布模式和流行蔓延趋势的认识。 【关键词】 疟疾;空间自相关;空间权重矩阵 【中图分类号】R181;R531.3 【文献标识码】A 【文章编号】167423679(2010)0520419202 An analysis of spatial distribution pattern of m alaria using different spatial w eight m atrixes SU Qian1,FEN G Z i2jian2,J IAN G Min1,L I Xiao2song1,L IU Shi2an1,WAN Hua1. 1.Depart ment of Biostatistics,School of West China Public Health,Sichuan U niversity,Chengdu 610041,China; 2.Chinese Center f or Disease Cont rol and Prevention,Beijing 102206,China 【Abstract】 Objective To analyze the spatial autocorrelation and to explore the spatial distribution pat2 tern of malaria using different spatial weight matrixes.Methods Based on Queen weight matrix, threshold weight matrix and K2nearest neighbor weight matrix,the spatial autocorrelation was carried out by G eoDa0.9.52i and R2.7.2software.R esults The three weight matrixes showed that the global Moran’sⅠcoefficient was the largest in2006,the statistic showed that there was a high2value cluster region in the west of Yunnan in the three continuous years,and a new high2value cluster region in the west2north,some low2value cluster regions had a trend of high incidence.The global Moran’sⅠcoeffi2 cient had the largest value while the smallest threshold and K=3.The threshold weight tended to detect more cluster regions,and K2nearest neighbor weight was not good at detecting low2value cluster regions. Conclusions The cluster regions were different when using different weight https://www.doczj.com/doc/d210832791.html,bining dif2 ferent weight matrixes to do spatial autocorrelation analysis can explore the spatial distribution of malaria and provide theoretical basis for further prevention and control. 【K ey w ords】 Malaria;Spatial autocorrelation;Spatial weight matrixes (Chin J Dis Cont rol Prev2010,14(5):4192422) 疟疾是通过按蚊叮咬传播疟原虫引起的寄生虫病。云南省是我国疟疾主要流行区,多年来发病数和死亡数一直居全国之首(仅2005年次于安徽省),也是该省10种自然疫源性疾病中发病最重的一种 【基金项目】国家卫生公益性行业科研专项项目(200802133);教育部科学技术研究重点项目 (109135) 【作者单位】1四川大学华西公共卫生学院卫生统计学教研室,四川成都 610041 2中国疾病预防控制中心,北京 102206 【作者简介】苏茜(1984-),女,四川巴中人,在读硕士研究生。主要研究方向:统计方法在流行病学中的 应用。 【通讯作者】李晓松,E2mail:lixiaosong1101@https://www.doczj.com/doc/d210832791.html, (占1999-2008年间10种疾病发病总数的93.23%)[1]。云南作为旅游大省,共有12个国家一类口岸,流动人口数量众多,主要疟区普遍存在适宜媒介传播疟疾的自然条件,在有传染源输入的情况下极易发生疟疾疫情回升[2],全省16个州(市)129个县(市)呈现的发病程度不一的空间分布模式也可能发生相应变化。 空间自相关分析技术用于对同一变量在不同空间位点的值进行相关性分析,寻找出观察变量是否具有地域聚集性,而疾病的地域聚集性大小可反映出疾病的分布规律、流行趋势及其相关因素[3]。疟疾分布与气象、土壤以及当地的经济和社会因素(人
? 陈强,《高级计量经济学及Stata应用》课件，第二版，2014年，高等教育出版社。 第29章 空间计量经济学 29.1 地理学第一定律 许多经济数据都涉及一定的空间位置。比如，研究全国各省的GDP、投资、贸易、R&D等数据。 此前各章很少关注各省经济之间的互动，通常假设各省的变量相互独立。 但各省经济有着广泛的联系，而且越近的省份联系越密切。 1
根据Tobler (1970)，“所有事物都与其他事物相关联，但较近的事物比较远的事物更关联”(Everything is related to everything else, but near things are more related than distant things)。 这被称为“地理学第一定律”(First Law of Geography)。 各省之间的距离信息并不难获得，比如是否相邻，直线距离或运输距离。 将各省的变量数据，再加上各省的位置信息(或相互距离)，即可得到“空间数据”(spatial data或areal data)。 研究如何处理空间数据的计量经济学分支，称为“空间计量经济学”(spatial econometrics)。 2
空间计量经济学的最大特色在于充分考虑横截面单位之间的空间依赖性(spatial dependence)。 空间效应(spatial effects)包括空间依赖性与“空间异质性”(spatial heterogeneity)。 由于标准的计量经济学也考虑横截面单位之间的异质性(比如异方差)，故空间计量经济学的关注重点为空间依赖性。 空间计量经济学诞生于1970年代。近年来，空间计量经济学蓬勃发展并进入主流，可归功于两方面。 首先，由于GIS(地理信息系统)的发展，空间数据或包含地理信息的数据(geo-referenced data)日益增多。 3
? 陈强,《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。 第 29 章空间计量经济学 29.1 地理学第一定律 许多经济数据都涉及一定的空间位置。比如，研究全国各省的GDP、投资、贸易、R&D 等数据。 此前各章很少关注各省经济之间的互动，通常假设各省的变量相互独立。 但各省经济有着广泛的联系，而且越近的省份联系越密切。 1
根据Tobler (1970)，“所有事物都与其他事物相关联，但较近的事物比较远的事物更关联”(Everything is related to everything else, but near things are more related than distant things)。 这被称为“地理学第一定律”(First Law of Geography)。 各省之间的距离信息并不难获得，比如是否相邻，直线距离或运输距离。 将各省的变量数据，再加上各省的位置信息(或相互距离)，即可得到“空间数据”(spatial data 或areal data)。 研究如何处理空间数据的计量经济学分支，称为“空间计量经济学”(spatial econometrics)。 2
空间计量经济学的最大特色在于充分考虑横截面单位之间的空间依赖性(spatial dependence)。 空间效应(spatial effects)包括空间依赖性与“空间异质性”(spatial heterogeneity)。 由于标准的计量经济学也考虑横截面单位之间的异质性(比如异方差)，故空间计量经济学的关注重点为空间依赖性。 空间计量经济学诞生于1970 年代。近年来，空间计量经济学蓬勃发展并进入主流，可归功于两方面。 首先，由于GIS(地理信息系统)的发展，空间数据或包含地理信息的数据(geo-referenced data)日益增多。 3
**创建空间权重矩阵介绍 气殳置默认路径 cd C:\Users\xiubo\Desktop\F182013.v4\F101994\sheng "创建新文件 *shp2dta:reads a shape (.shp) and dbase (.dbf) file from disk and converts them into Stata datasets ?*shp2dta:读取CHN_adml 文件 ?CHN^adml：为已有的地图文件 *database {chinaprovince)：表示创建一个需称为u chinaprovince °的dBase 数据集 *database(filename)： Specifies filename of new dBase dataset *coordinates(coord)：创建一个称为“coord”的坐标系数据集 *coordinates(file name)： Specifies file name of new coordi nates dataset *gencentroids(stub)： Creates centroid variables *genid(newvarname)： Creates unique id variable for database.dta shp2dta using CHN_adml z database (chinaprovince) coordinates(coord) genid(id) gencentroids(c) "绘制2016年中國GDP分布圖 *spmap:Visualization of spatial data *clnumber(#):number of classes *id(idvar):base map polygon identifierf识别符，声明变量名，一般以字母:或卞划线开头，包含数字、字母、下划线) ?_2016GDP：变量 *coord:之前创建的坐标系数据集 spmap _2016GDP using coord, id(id) clnumber(5) *更改变虽:名 rename x_c Iongitude rename y_c latitude