空间数据分析理论与实践

前言

致谢

版权说明

引言

0.1关于本书

0.2什么是空间数据分析？

0.3本书的写作动机

0.4本书的组织结构

0.5空间数据矩阵

第一部分空间数据分析的背景

第1章空间数据分析：科学和决策背景

1.1科学领域的空间数据分析

1.1.1科学解释领域中地点、背景和空间的一般性问题

1.1.2空间过程

1.2科学解释特定领域中的地点和空间

1.2.1空间分支科学的定义

1.2.2举例：选择的研究领域

1.2.3问题求解中的空间数据分析

1.3决策领域的空间数据分析

1.4空间数据分析中产生的问题举例

1.4.1描述和地图解释

1.4.2信息冗余

1.4.3建模

1.5小结

第2章空间数据的性质

2.1空间数据矩阵：概念化和表达问题

2.1.1地理空间：对象、空间域和地理几何表达

2.1.2地理空间：属性值的空间相关性

2.1.3变量

2.1.4样本还是样本总体？

2.2空间数据矩阵：它的形式

2.3空间数据矩阵：它的质量

2.3.1模型质量

2.3.2数据质量

2.4空间相关性的量化

2.5小结

第二部分空间数据：数据获取及质量问题

第3章通过采样获取空间数据

3.1空间数据源

3.2空间采样

3.2.1空间采样的目的和方法

3.2.2基于模型和设计的空间采样方法

3.2.3采样方案

3.2.4选择采样方法的问题

3.3模拟制图

第4章数据质量：对空间数据分析的影响

4.1数据和空间数据分析中的误差

4.1.1测量误差模型

4.1.2粗差

4.1.3误差传播

4.2数据分辨率与空间数据分析

4.2.1变量的精度和显著性检验

4.2.2支持改变问题

4.2.3使用聚合数据分析关系

4.3数据一致性和空间数据分析

4.4数据完整性与空间数据分析

4.4.1缺失数据问题

4.4.2空间插值和空间预测

4.4.3边界、权重矩阵和数据完整性

4.5小结

第三部分探索性空间数据分析

第5章探索性空间数据分析：概念模型

5.1探索性数据分析和探索性空间数据分析

5.2空间变化的概念模型

第6章探索性空间数据分析：可视化方法

6.1数据可视化和探索性数据分析

6.1.1数据可视化：方法和任务

6.1.2数据可视化：通过计算机的发展

6.1.3数据可视化：选择的技术

6.2空间数据可视化

6.2.1聚合数据的数据准备问题：变量值

6.2.2聚合数据的数据准备问题：空间框架

6.2.3空间可视化的特殊问题

6.3数据可视化和探索性空间数据分析

6.3.1空间数据可视化：为单变量数据选择的技术

6.3.2空间数据可视化：为双变量或多变量选择的技术

6.3.3谢菲尔德地区乳腺癌筛查数据的摄取

6.4小结

第7章探索性空间数据分析：数值方法

7.1平滑方法

7.1.1图形绘图的约束平滑

7.1.2空间相关性的约束描述

7.1.3地图平滑

7.2全局地图特性的探索性识别：整体聚类

7.2.1区域数据的聚类

7.2.2标记点模式的聚类

7.3局部地图特性的探索性识别

7.3.1聚类探测

7.3.2焦点检验

7.4地图比较

第四部分假设检验和空间自相关

第8章存在空间相关性的假设检验

8.1空间自相关和空间数据集均值检验

8.2空间自相关和二元关联检验

8.2.1皮尔森积矩相关系数

8.2.2列联表的卡方检验

第五部分空间数据建模

第9章空间数据统计分析模型

9.1描述性模型

9.1.1大尺度空间变化模型

9.1.2小尺度空间变化模型

9.1.3空间变化的多尺度数据模型

9.1.4层次贝叶斯模型

9.2解释性模型

9.2.1连续取值响应变量模型：正态回归模型

9.2.2离散取值区域数据模型：广义线性模型

9.2.3层次模型

第10章空间变化统计建模：描述性建模

10.1表达空间变化的模型

10.1.1连续取值变量模型

10.1.2离散取值变量模型

10.2空间变化建模中若干一般性问题

10.3层次贝叶斯模型

第11章空间变化统计模型：解释性建模

11.1空间数据建模的方法

11.1.1经典方法

11.1.2计量经济学方法

11.1.3数据驱动方法

11.2空间数据线性建模的一些应用

11.2.1地区收入收敛检验

11.2.2二元响应模型

11.2.3多级模型建模

11.2.4谢菲尔德入室盗窃的贝叶斯建模

11.2.5被开除学生的贝叶斯建模

11.3小结

附录Ⅰ软件

附录Ⅱ剑桥郡肺癌数据

附录Ⅲ谢菲尔德盗窃数据

附录Ⅳ谢菲尔德被开除的学生数据

参考文献

　　本书对空间数据分析领域进行了广泛的论述。本书综述了空间数据分析和位置(地点、背景和空间)在科学以及决策相关研究方面的重要性。涵盖了人们所关注的最新的探索性空间数据分析和空间建模方法，以及如何表达在地理空间中的属性的基本问题。引领读者进入支撑空间数据分析的关键领域，为读者了解和领会这个领域的诸多关键问题提供了一个平台。此书部分内容适合大学本科生和硕士研究生，还包含了让从事空间分析领域研究的地理、社会、经济、环境和统计等学科的科学工作者感兴趣的、具有足够挑战性的内容。