Geographical Analysis

Since image formation depends on the cognitive organization of perceptions, a change in the individual's available cognitive structure may affect his or her perceptual selectivity. This, in turn, might lead to a reconstruction of the image through selected fields of attention. Although this process is widely accepted, little is known of its neurophysiology, and the formation of an image, therefore, is drawn inferentially from introspective reports. This paper presents, accordingly, a conception of image formation and tests it with a model presenting paths among locational and nonlocational environmental stimuli and an introspective measure of a composite urban image. Changes in the paths due to information and personal attributes that reflect different realms (for example, fields of attention) are further examined with an expanded version of the model. Across the realms, the perceived residential appeal and the perceived level of activities are the main determinants of the composite urban image. Information and personal attributes not only affect the mix of image determinants, but also rearrange their relative effects on the emerging image.

Các khả năng về hình ảnh hóa, truy xuất dữ liệu nhanh chóng và thao tác trong các hệ thống thông tin địa lý (GIS) đã tạo ra nhu cầu về những kỹ thuật mới cho phân tích dữ liệu khám phá tập trung vào các khía cạnh "không gian" của dữ liệu. Việc xác định các mẫu địa phương của sự liên kết không gian là một mối quan tâm quan trọng trong bối cảnh này. Trong bài báo này, tôi phác thảo một lớp chỉ số địa phương chung mới về sự liên kết không gian (LISA) và trình bày cách mà chúng cho phép phân tách các chỉ số toàn cầu, chẳng hạn như chỉ số Moran's I, thành sự đóng góp của từng quan sát. Các thống kê LISA phục vụ hai mục đích. Một mặt, chúng có thể được hiểu như là các chỉ số của những khu vực địa phương không ổn định, hoặc 'hot spots', tương tự như các thống kê G_i và G*_i của Getis và Ord (1992). Mặt khác, chúng có thể được sử dụng để đánh giá ảnh hưởng của từng địa điểm đến độ lớn của thống kê toàn cầu và để xác định các "giá trị ngoại lai", như trong biểu đồ tán xạ Moran của Anselin (1993a). Một đánh giá ban đầu về các thuộc tính của một thống kê LISA được thực hiện cho Moran địa phương, được áp dụng trong một nghiên cứu về mô hình không gian của xung đột cho các quốc gia châu Phi và trong một số mô phỏng Monte Carlo.

Bài báo này trình bày việc ước lượng một mô hình dữ liệu bảng động với tác động cố định, mở rộng để bao gồm hoặc là tự tương quan lỗi không gian hoặc biến phụ thuộc lag không gian. Để khắc phục những bất thường liên quan đến ước lượng bình phương nhỏ nhất truyền thống, các mô hình được lấy sai khác lần đầu để loại bỏ các tác động cố định và sau đó hàm khả năng không điều kiện được đưa ra với việc xem xét hàm mật độ của các quan sát sai khác lần đầu trên mỗi đơn vị không gian. Khi các biến ngoại sinh bị bỏ qua, hàm khả năng chính xác được chứng minh tồn tại. Khi bao gồm các biến ngoại sinh, các giá trị trước mẫu của các biến này và do đó hàm khả năng phải được xấp xỉ. Hai trường hợp chính được xem xét: xấp xỉ của Bhargava và Sargan và xấp xỉ của Nerlove và Balestra. Như một ứng dụng, một mô hình cầu động cho thuốc lá được ước lượng dựa trên dữ liệu bảng từ 46 tiểu bang của Hoa Kỳ trong giai đoạn từ 1963 đến 1992.

Đề xuất một thuật toán để tạo ra các đa giác Thiessen cho một tập hợp n điểm được định nghĩa trong mặt phẳng. Đầu tiên, các quy trình tính toán đa giác gần nhất hiện có được xem xét và các thuật ngữ được định nghĩa. Thuật toán phát triển ở đây sử dụng một cửa sổ hình chữ nhật trong đó đa giác Thiessen được định nghĩa. Việc tính toán các đa giác Thiessen sử dụng một quy trình đi bộ lặp lại, bắt đầu từ góc dưới bên trái của sơ đồ và tiến về phía góc trên bên phải. Việc sử dụng một chuỗi điểm đã được sắp xếp và phân bổ lõi động giúp cho quá trình xử lý hiệu quả. Phần trình bày được kết thúc bằng việc thảo luận về việc triển khai thuật toán trong một chương trình FORTRAN .

Các hệ thống bề mặt trái đất dường như thể hiện hỗn loạn xác định, nơi mà những sự khác biệt nhỏ trong các điều kiện ban đầu tạo ra những kết quả ngày càng phân kỳ. Điều này đặt ra nghi ngờ về khái niệm có từ lâu đời về đối xứng kết quả, theo đó các đặc điểm bề mặt hội tụ về những hình thức tương tự. Tuy nhiên, các hệ thống hỗn loạn lại thể hiện một trật tự trên quy mô rộng hơn, và các mẫu phức tạp của chúng diễn ra trong những giới hạn rõ ràng. Trật tự trên quy mô rộng hơn này phát sinh từ hỗn loạn ở quy mô nhỏ hơn tạo ra sự đơn giản hóa (simplexity), trong đó các quy tắc và sự đều đặn đơn giản nổi lên từ sự phức tạp tiềm ẩn, khi các cấu trúc trên quy mô rộng độc lập với các chi tiết ở quy mô nhỏ. Hỗn loạn ngăn cản khái niệm đối xứng kết quả, trong nghĩa chặt chẽ, ở một số quy mô, nhưng sự đơn giản hóa tạo ra đối xứng kết quả ở những quy mô khác. Sự đơn giản hóa được minh họa qua một nghiên cứu trường hợp về mối quan hệ giữa đất và hình dạng địa hình.

Những thành phố trên thế giới thường được coi là một hệ thống đô thị hoặc mạng lưới thành phố, nhưng điều này chưa bao giờ được xác định rõ trong tài liệu. Trong bài báo này, mạng lưới thành phố thế giới được xác định là một dạng mạng lưới đặc biệt với ba cấp độ cấu trúc: các thành phố như các nút, nền kinh tế thế giới như cấp độ mạng lưới siêu nút, và các công ty dịch vụ sản xuất tiên tiến hình thành một cấp độ phụ nút quan trọng. Các công ty này tạo ra một mạng lưới liên kết thông qua các chiến lược địa lý toàn cầu của họ để đặt văn phòng. Do đó, chính các công ty dịch vụ sản xuất tiên tiến hoạt động thông qua các thành phố là những nhân tố chính trong việc hình thành mạng lưới thành phố thế giới. Quy trình này được xác định chính thức thông qua bốn ma trận quan hệ liên thành phố - nguyên tố, tỉ lệ, khoảng cách và không đối xứng. Thông qua việc quy định này, lần đầu tiên có thể áp dụng các kỹ thuật phân tích mạng lưới tiêu chuẩn cho các thành phố thế giới. Trong một kết luận ngắn gọn, sự liên quan của việc quy định mạng lưới thành phố thế giới này đối với lý thuyết và thực tiễn chính sách sẽ được thảo luận ngắn gọn.

Tính không ổn định không gian là điều kiện mà một mô hình "toàn cầu" đơn giản không thể giải thích các mối quan hệ giữa một số tập hợp biến. Bản chất của mô hình phải thay đổi theo không gian để phản ánh cấu trúc bên trong dữ liệu. Trong bài báo này, một kỹ thuật được phát triển, được gọi là hồi quy trọng số theo địa lý, nhằm cố gắng nắm bắt sự biến đổi này bằng cách điều chỉnh một mô hình hồi quy đa biến cho phép các mối quan hệ khác nhau tồn tại tại các điểm khác nhau trong không gian. Kỹ thuật này được dựa lỏng lẻo trên hồi quy hạt nhân. Phương pháp này được giới thiệu và những vấn đề liên quan như việc lựa chọn hàm trọng số không gian được thảo luận. Sau đó, một loạt các bài kiểm tra thống kê liên quan được xem xét, có thể được miêu tả chung là các bài kiểm tra cho tính không ổn định không gian. Sử dụng các phương pháp Monte Carlo, các kỹ thuật được đề xuất để điều tra giả thuyết không rằng dữ liệu có thể được mô tả bởi một mô hình toàn cầu thay vì một mô hình không ổn định và cũng nhằm kiểm tra xem các hệ số hồi quy cá nhân có ổn định qua không gian địa lý hay không. Các kỹ thuật này được chứng minh trên một tập dữ liệu từ cuộc điều tra dân số Vương quốc Anh năm 1991 liên quan đến tỷ lệ sở hữu xe hơi với tầng lớp xã hội và tỷ lệ thất nghiệp nam giới. Bài báo kết luận bằng cách thảo luận về các cách mà kỹ thuật này có thể được mở rộng.

Trong bài báo này, chúng tôi giới thiệu một gia đình các thống kê, G, có thể được sử dụng làm thước đo của sự liên kết không gian trong một số trường hợp. Thống kê cơ bản được suy diễn, các tính chất của nó được xác định, và những lợi thế của nó được giải thích. Một số thống kê G cho phép đánh giá sự liên kết không gian của một biến trong khoảng cách xác định từ một điểm duy nhất. Chúng tôi so sánh thống kê G tổng quát với I của Moran trong các điều kiện giả thuyết và thực nghiệm tương tự. Công việc thực nghiệm bao gồm các nghiên cứu về hội chứng đột tử ở trẻ sơ sinh theo quận ở Bắc Carolina và giá cả đơn vị cư trú tại khu vực đô thị San Diego theo các quận mã bưu chính. Kết quả chỉ ra rằng các thống kê G nên được sử dụng kết hợp với I để xác định các đặc điểm của các mẫu không được tiết lộ bởi thống kê I một mình và, một cách cụ thể, các thống kê G_i và G_i* cho phép chúng tôi phát hiện các "túi" phụ thuộc địa phương có thể không xuất hiện khi sử dụng các thống kê toàn cầu.