Sự khác biệt giữa sự phụ thuộc không gian và sự không đồng nhất về không gian là gì?


9

Sự khác biệt giữa sự phụ thuộc không gian và sự không đồng nhất về không gian là gì?

Câu hỏi của tôi được thúc đẩy bởi các bài đọc trong các vấn đề đặc tả mô hình trong kinh tế lượng không gian, đặc biệt là Anselin (2010) .


1
Tham khảo sẽ hữu ích. Từ kinh nghiệm cá nhân của tôi, không phải tất cả các thuật ngữ đều được cố định trong kinh tế lượng không gian, tức là các tác giả khác nhau có thể đưa ra các định nghĩa khác nhau.
mpiktas

1
Tôi có cảm giác Luc Anselin đã viết nhiều hơn một bài báo vào năm 2010! Một trích dẫn cụ thể hơn (cộng với một liên kết) sẽ hữu ích (mặc dù ông đã sử dụng các thuật ngữ này kể từ khi cuốn sách Kinh tế lượng không gian của mình được in năm 1988).
Andy W

Cảm ơn lời đề nghị - Tôi đã thêm một liên kết đến bài báo.
mindless.panda

Câu trả lời:


14

Các thuật ngữ này có thể không có định nghĩa kỹ thuật được chấp nhận phổ biến, nhưng ý nghĩa của chúng rất rõ ràng: chúng tương ứng với biến thể thứ hai và thứ tự đầu tiên của một quá trình không gian, tương ứng. Hãy đưa chúng theo thứ tự sau khi lần đầu tiên giới thiệu một số khái niệm tiêu chuẩn.

Một quá trình không gian hoặc quá trình ngẫu nhiên không gian có thể được coi là một tập hợp các biến ngẫu nhiên được lập chỉ mục bởi các điểm trong một không gian. (Các biến phải đáp ứng một số điều kiện nhất quán kỹ thuật tự nhiên để đủ điều kiện là một quá trình: xem Định lý mở rộng Kolmogorov .)

Lưu ý rằng một quá trình không gian là một mô hình. Việc sử dụng nhiều mô hình (xung đột) khác nhau để phân tích và mô tả cùng một dữ liệu là hợp lệ. Ví dụ, các mô hình về nồng độ kim loại xuất hiện tự nhiên trong đất có thể hoàn toàn là ngẫu nhiên đối với các vùng nhỏ (như một ha hoặc ít hơn) trong khi ở các vùng lớn (kéo dài nhiều km), điều quan trọng là phải mô tả các xu hướng khu vực cơ bản một cách xác định - nghĩa là, như một hình thức không đồng nhất về không gian.

Tính không đồng nhất về không gian là một tính chất của một quá trình không gian có giá trị trung bình (hoặc "cường độ") thay đổi theo từng điểm.

Giá trị trung bình là thuộc tính bậc một của biến ngẫu nhiên (nghĩa là liên quan đến khoảnh khắc đầu tiên của nó), tính không đồng nhất về không gian có thể được coi là thuộc tính bậc nhất của một quá trình.

Sự phụ thuộc không gian là một tính chất của một quá trình ngẫu nhiên không gian trong đó các kết quả tại các vị trí khác nhau có thể phụ thuộc.

Thông thường chúng ta có thể đo lường sự phụ thuộc về mặt hiệp phương sai (giây thứ hai) hoặc mối tương quan của các biến ngẫu nhiên: theo nghĩa này, sự phụ thuộc có thể được coi là một thuộc tính bậc hai. (Sticklers sẽ nhanh chóng chỉ ra rằng mối tương quan và tính độc lập không giống nhau, do đó, việc đánh đồng sự phụ thuộc với các thuộc tính bậc hai, mặc dù hữu ích theo trực giác, nhìn chung không hợp lệ.)

Khi bạn thấy các mẫu trong dữ liệu không gian, bạn thường có thể mô tả chúng là không đồng nhất hoặc phụ thuộc (hoặc cả hai), tùy thuộc vào mục đích phân tích, thông tin trước và lượng dữ liệu.

Một số ví dụ đơn giản, được nghiên cứu kỹ minh họa những ý tưởng này.

Quá trình Poisson

Trong hình này, hình vuông phân định một khu vực có cường độ không gian cao hơn. Tuy nhiên, tất cả các vị trí điểm đều độc lập: phân cụm và các khoảng trống trong các điểm là điển hình của các vị trí được chọn ngẫu nhiên độc lập.

Bộ lọc Gaussian

Sự phụ thuộc không gian trong quá trình Gaussian này là rõ ràng thông qua các mô hình của các rặng núi và thung lũng. Chúng là đồng nhất, mặc dù: không có xu hướng tổng thể. Tuy nhiên, lưu ý rằng nếu chúng ta tập trung vào một phần nhỏ của khu vực này, chúng ta có thể chọn xử lý nó như một quá trình không đồng nhất (nghĩa là theo xu hướng) thay vào đó. Điều này minh họa cách quy mô có thể ảnh hưởng đến mô hình chúng ta chọn.

  • Quá trình trước đó được thêm vào một hàm xác định tạo ra một quá trình phụ thuộc không gian và không đồng nhất.

Quá trình không đồng nhất phụ thuộc

Hình ảnh này cho thấy một nhận thức khác nhau về thành phần ngẫu nhiên của quá trình này so với được sử dụng cho hình minh họa trước đó, vì vậy các mẫu nhấp nhô nhỏ sẽ không giống hệt như trước - nhưng chúng sẽ có cùng thuộc tính thống kê.


1
Câu trả lời tuyệt vời, như thường lệ - ví dụ rất rõ ràng.
Matt Parker

Câu trả lời tuyệt vời, thực sự. Một câu hỏi / nhận xét bổ sung nhỏ: Nếu tồn tại một xu hướng trong dữ liệu (tính không đồng nhất về không gian) so với những khu vực mà các quan sát gần giống nhau / có cùng ý nghĩa. Nó không tuân theo những quan sát này phụ thuộc vào không gian, ít nhất là trong một ý nghĩa không chính thức?
Funkwecker

1
@Julian Vâng, điều đó hoàn toàn đúng. Đây là lý do tại sao hình thức cơ bản của quy trình không thể được xác định duy nhất từ ​​việc kiểm tra dữ liệu một mình. Để thảo luận thêm, hãy xem câu trả lời của tôi tại stats.stackexchange.com/a/35524 trong đó kết luận của bạn được hỗ trợ với một phép tính chính thức.
whuber

1
@Julian Đúng vậy. Đó là một phần của vấn đề quy mô: ở quy mô lớn (vượt ra ngoài hình ảnh cuối cùng) người ta có thể chọn mô hình hóa tất cả các biến thể là ngẫu nhiên, với các tương quan tầm xa; nhưng ở quy mô cho thấy sự lựa chọn tốt hơn có thể là mô hình biến thể "thế tục" tầm xa hơn như một xu hướng xác định. Không có đủ thông tin ở tỷ lệ của hình ảnh để quyết định mô hình nào tốt hơn, nhưng thực sự không có đủ thông tin để xây dựng một mô hình hoàn toàn ngẫu nhiên. Thông tin khác (không có trong dữ liệu) thường có thể giúp chọn mô hình phù hợp.
whuber

1
@Julian Khái niệm liên quan là ổn định: trong một quy trình đứng yên, một số đặc điểm của các biến ngẫu nhiên được sử dụng trong mô hình không thay đổi theo vị trí. Hình thức cơ bản nhất của văn phòng phẩm là khi kỳ vọng của các biến không thay đổi. Rõ ràng, không có xu hướng sản xuất một mô hình văn phòng phẩm. Tuy nhiên, điều đó không có vấn đề như bạn nghĩ, bởi vì bạn thường có thể trừ xu hướng khỏi dữ liệu và cố gắng sử dụng mô hình đứng yên cho sự khác biệt. GWR sẽ tự động xử lý việc này nếu bạn bao gồm lat và lon trong số các biến giải thích.
whuber

0

Khái niệm không đồng nhất về không gian trong thống kê không gian hiện tại chỉ được sử dụng để mô tả phương sai cục bộ của sự phụ thuộc không gian hoặc hồi quy. Tôi đã đề xuất một viễn cảnh rộng lớn về sự không đồng nhất về không gian, trong đó đề cập đến mô hình tỷ lệ của những thứ nhỏ hơn nhiều so với những cái lớn. Điều quan trọng là mô hình tỷ lệ được lặp lại nhiều lần, được đo bằng chỉ số ht.

https://www.researchgate.net/publication/236627484_Ht- Index_for_Quantifying_the_Fractal_or_Scaling_Str struct_of_Geographic_Features

Theo định nghĩa mới, tính không đồng nhất về không gian nên được xây dựng như một quy luật tỷ lệ. Do đó, tính không đồng nhất là định luật lũy thừa chứ không phải phân phối Gaussian như thế nào.

Với viễn cảnh rộng lớn này, cả sự phụ thuộc không gian và sự không đồng nhất mô tả bức tranh chân thực về bề mặt Trái đất. Có nhiều thứ nhỏ hơn nhiều so với những thứ lớn trên tất cả các quy mô hoặc trên toàn cầu, nhưng mọi thứ ít nhiều giống nhau ở một quy mô hoặc cục bộ; xem bài viết này để biết thêm chi tiết

https://www.researchgate.net/publication/282310447_A_Fractal_Pers perspective_on_Scale_in_Geography


1
Tôi nghĩ rằng bài đăng này sẽ có lợi từ việc so sánh rõ ràng hơn (đặc biệt lưu ý bất kỳ sự phân biệt nào) giữa tính không đồng nhất và sự phụ thuộc. Câu hỏi hỏi sự khác biệt giữa hai là gì. Tôi có thể thấy "cả sự phụ thuộc không gian và sự không đồng nhất mô tả một bức tranh chân thực về bề mặt Trái đất" ghi nhận sự tương đồng giữa các khái niệm, nhưng sự khác biệt giữa chúng là gì? Họ có mô tả bức tranh này theo những cách khác nhau?
Cá bạc

Có một sự khác biệt lớn giữa hai cái theo định nghĩa mới về tính không đồng nhất, nhưng có chút khác biệt giữa hai cái theo định nghĩa cũ về tính không đồng nhất. Theo định nghĩa cũ, tính không đồng nhất về không gian đề cập đến mức độ phụ thuộc không gian hoặc hồi quy thay đổi từ nơi này sang nơi khác. Theo định nghĩa mới về tính không đồng nhất (về cơ bản là định nghĩa tương tự như trong các ngành khoa học khác như sinh học và vật lý), tính không đồng nhất về không gian được hình thành như một quy luật tỷ lệ là phổ quát và tổng quát. Tôi nghĩ rằng sự khác biệt không chỉ là kỹ thuật, mà là ở cấp độ của mô hình.
Bin Jiang

Cảm ơn. Tôi nghĩ rằng câu trả lời sẽ có lợi từ việc bao gồm một số cuộc thảo luận đó (có một nút chỉnh sửa ở dưới cùng của nó). Tôi đánh giá cao điều này có thể được xử lý trong các bài viết được liên kết, nhưng chúng tôi thích câu trả lời của chúng tôi được khép kín hơn là dựa vào các liên kết bên ngoài.
Cá bạc

0

Câu hỏi phụ thuộc vào định nghĩa toán học của hai khái niệm. Đã có một số định nghĩa về tự tương quan không gian như I của Moran, nhưng rất ít sự không đồng nhất về không gian, có lẽ là do sự phụ thuộc vào quy mô và sẽ khác nhau ở các quy mô khác nhau. Tôi đã xác định tính không đồng nhất phân tầng không gian (toàn bộ bài báo dự kiến ​​trực tuyến vào ngày 12 tháng 3 năm 2016 trên tạp chí Chỉ số sinh thái):

Một thước đo của sự không đồng nhất phân tầng không gian

Jin-Feng Wang1 *, Tong-Lin Zhang2, Bo-Jie Fu3

TRỪU TƯỢNG

Sự không đồng nhất phân tầng không gian, đề cập đến phương sai trong tầng nhỏ hơn phương sai giữa các tầng, có mặt khắp nơi trong các hiện tượng sinh thái, như vùng sinh thái và nhiều biến số sinh thái. Sự không đồng nhất phân tầng không gian phản ánh bản chất của tự nhiên, bao hàm các cơ chế riêng biệt tiềm tàng theo tầng, cho thấy các yếu tố quyết định có thể có của quá trình quan sát, cho phép tính đại diện của các quan sát trái đất và thực thi khả năng áp dụng các suy luận thống kê. Trong bài báo này, chúng tôi đề xuất một phương pháp thống kê q để đo lường mức độ không đồng nhất phân tầng không gian và để kiểm tra tầm quan trọng của nó. Giá trị q nằm trong [0, 1] (0 nếu sự phân tầng không gian không đồng nhất là không đáng kể và 1 nếu có sự phân tầng không gian hoàn hảo của tính không đồng nhất). Hàm mật độ xác suất chính xác được lấy. Thống kê q được minh họa bằng hai ví dụ, trong đó chúng tôi đánh giá sự không đồng nhất phân tầng không gian của bản đồ tay và phân phối NDVI hàng năm ở Trung Quốc. --Jengeng Wang 2016-3-8

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.