基于空间回归模型的人口统计数据空间化表达——以六安市为例

《基于空间回归模型的人口统计数据空间化表达——以六安市为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于空间回归模型的人口统计数据空间化表达——以六安市为例摘要人口分布状况是地区资源利用、环境保护、灾害评估和人口经济政策制定的基础。基于行政区划统计单元的人口统计数据是获取区域人口数据的主要来源。以行政边界为单元的人口密度图只能反映区域人口的分布的平均态势，缺少对区域内部人口空间分布差异的细致表达。为了获得精确的人口空间分布资料，需要对人口统计数据空间化。地理第一定律指出，地理实体的相互联系紧密程度与距离远近正相关。人口在空间上的分布受到空间自相关性和空间异质性的影响，采用最小二乘法估算回归系数的多元线性回归模型不适宜用于估计人口分布状况。精确的人口空间分布模型必须要将空间关联和空间相互

2、作用入考虑。本文以六安市为例，首先以“时空接近”取代“空间接近”的思想，建立基于交通通达时间的时间距离空间权重矩阵，探索新的空间关系定义形式式。随后利用2008年人口统计数据，进分析六安市乡镇尺度人口空间分布特征。再用时间距离空间权重矩阵和邻接性空间权重矩阵进行空间自相关分析，并对比分析结果。最后引入空间回归模型，对六安市人口统计数据进行空间化表达，生成150m×150m六安人口密度分布栅格图。得出主要结论如下：1、六安市人口分布呈南低北高的基本特征。与海拔分布呈负相关。人口多分布在沿河两岸地区和平原地区。2、六安市乡镇人口密度表现出较强的空间自相关性，Moran’sI指数最高可达0.4

3、808，说明六安市乡镇人口密度不是随机分布，人口密度相似的乡镇在空间上有趋同集聚的现象。局部空间自相关分析结果表明，六安市中部金安区裕安区存在高人口密度乡镇的聚集区，西南部大别山北坡山地存在低人口密度乡镇聚集区。3、时间距离空间权重矩阵能突破行政边界定义的空间邻接关系。跟邻接性空间权重相比，时间距离空间权重矩阵更倾向于揭示区域空间异质性，挖掘局部空间作用模式。时间距离空间权重矩阵的时间距离取值有一个合理的范围，应该由各地区区域面积，交通发展水平等确定，经过试验与讨论，本区时间距离合理取值范围为0.50h-1.00h的时间距离空间权重矩阵既能揭示区域空间相互关系，又能有较好的稳定性。1万方

4、数据4、建立六安市人口空间分布空间回归模型。以人口密度对数为被解释变量，地形起伏度RDLS、城乡用地指数LURL、财政收入密度REVD、人均道路里程PerPR、人均耕地面积PerPAL、人均水域面积PerPW为解释变量，以邻接性空间权重矩阵定义的空间关系下建立的空间误差模型(SEM)是最佳模型lnPD（1.468334*RDLS）（171.8128*PERPAL）（5.272884*PERPW）0.02884141*LURL（262.6797*PERPR）0.00260744*REVD6.6016555、根据模型生成的150m×150m人口密度空间分布栅格图，经检验

5、，拟合人口数与人口统计数的相关性为96.68%。误差率小于20%的乡镇占总数的74.52%。关键字：空间回归模型；时间距离空间权重矩阵；六安2万方数据StudyOnTheSpatialExpreesionofCensusDataBySpatialRegressionModel——TakeLiuanCityasanExampleAbstractPopulationdistributionisthebasicroleofResourceutilization,environmentalprotection、disasterevaluationandthepolicymakingofpopul

6、ationandeconomy,especiallyatthecriticalperiodofChinesesocialtransformationandeconomicrestructuring.PopulationdatamainlycomesfromCensusonadministrativezoning.PopulationDensitymaponadministrativezoningrelecttheavergetrendofregionalpopulationdistribution,islakingindetailedexpressionofthedifferencesw

7、ithintheregion。Inordertoobtainaccuratedataofspatialdistributionofpopulation，TheSpatializationofcensusdataisnecessary.Tobler'sFirstLawpointoutthat,connectionofgeographicalentitiescorrelatepositivelywiththedistanceofgeog