Advanced Spatial Statistics: Special Topics in the Exploration of Quantitative Spatial Data Series

در سال‌های اخیر علاقه و نگرانی فزاینده‌ای برای توسعه یک بدنه آماری فضایی مناسب از نظریه وجود داشته است. این کار توسط جغرافی‌دانان، آماردانان، دانشمندان منطقه‌ای، اقتصادسنجی‌ها و دیگران (به عنوان مثال، جامعه‌شناسان) انجام شده است. این کتاب منجر به انتشار تعدادی کتاب از جمله فرآیندهای فضایی کلیف و اورد (1981)، تحلیل آماری الگوی فضایی بارتلت (1975)، آمار فضایی ریپلی (1981)، اقتصاد فضایی پالینک و کلاسن (1997) شده است. مدل‌های الگوی آهوجا و شاختر (1983) و تحلیل داده‌های فضایی آپتون و فینگلتون با استفاده از مثال (1985). اولین کتاب، مقدمه ای مفید برای موضوع خودهمبستگی فضایی، با تمرکز بر شاخص های خودهمبستگی و توزیع های نمونه آنها ارائه می کند. دومی از این کتاب‌ها کاملاً مختصر است، اما با این وجود، مقدمه‌ای شیوا به رابطه بین مدل‌های طیفی خودبازگشت فضایی و دوبعدی ارائه می‌دهد. کتاب ریپلی عملاً مدل‌سازی سطح اتورگرسیو و روند را نادیده می‌گیرد و تقریباً تنها بر تحلیل الگوی نقطه‌ای تمرکز دارد. کتاب Paelinck و Klaassen از نزدیک از قالب کتاب درسی اقتصاد سنجی پیروی می کند، و در نتیجه بسیاری از مطالب مهم لازم برای تجزیه و تحلیل داده های مکانی موفق را نادیده می گیرد. این تقریباً به طور انحصاری به مدل‌های فاصله و گرانش می‌پردازد، با برخی از درمان‌های مدل‌سازی اتورگرسیو. Pattern Models مکمل کتاب Cliff و Ord است که در ترکیب، مقدمه خوبی برای تجزیه و تحلیل داده های مکانی ارائه می دهد. محدودیت اصلی آن اشتغال به هندسه الگوهای مسطح است و از این رو دامنه آن بسیار محدود است.

In recent years there has been a growing interest in and concern for the development of a sound spatial statistical body of theory. This work has been undertaken by geographers, statisticians, regional scientists, econometricians, and others (e. g. , sociologists). It has led to the publication of a number of books, including Cliff and Ord's Spatial Processes (1981), Bartlett's The Statistical Analysis of Spatial Pattern (1975), Ripley's Spatial Statistics (1981), Paelinck and Klaassen's Spatial Economet~ics (1979), Ahuja and Schachter's Pattern Models (1983), and Upton and Fingleton's Spatial Data Analysis by Example (1985). The first of these books presents a useful introduction to the topic of spatial autocorrelation, focusing on autocorrelation indices and their sampling distributions. The second of these books is quite brief, but nevertheless furnishes an eloquent introduction to the rela­ tionship between spatial autoregressive and two-dimensional spectral models. Ripley's book virtually ignores autoregressive and trend surface modelling, and focuses almost solely on point pattern analysis. Paelinck and Klaassen's book closely follows an econometric textbook format, and as a result overlooks much of the important material necessary for successful spatial data analy­ sis. It almost exclusively addresses distance and gravity models, with some treatment of autoregressive modelling. Pattern Models supplements Cliff and Ord's book, which in combination provide a good introduction to spatial data analysis. Its basic limitation is a preoccupation with the geometry of planar patterns, and hence is very narrow in scope.