Spatial Data Configuration in Statistical Analysis of Regional Economic and Related Problems

شکل 1. 1. نقشه بریتانیای کبیر در دو سطح مقیاس مختلف. (الف) شهرستانها، (ب) مناطق. '-. شکل 1. 2. دو تجمع جایگزین استان ایتالیا در 32 منطقه بزرگتر 4 فصل 1 د.، ب) شکل 1. 3 درصد آرای حزب کمونیست در انتخابات سیاسی ایتالیا 1987 (الف) و درصد جمعیت بیش از 75 سال (ب) در سال 1981 سرشماری ایتالیا در 32 حوزه رای گیری. حوزه های رای گیری با مقادیر بالاتر از میانگین سایه دار هستند. 5 در حالی که چندین مشکل دیگر در رابطه با تجزیه و تحلیل داده های منطقه ای وجود دارد، مسئله تخمین همبستگی فضایی شایسته توجه ویژه است.مفهوم همبستگی در ادبیات فضایی از تحلیل سری های زمانی به عاریت گرفته شده است. 4. a همسایه های مرتبه اول یک ناحیه مرجع را نشان می دهد، در حالی که شکل 1. 4. b همسایه های مرتبه دوم همان ناحیه را نشان می دهد. همسایه های مرتبه بالاتر را می توان به روشی مشابه تعریف کرد. وابستگی بین آنها قوی ترین است نواحی مجاور نزدیک درجه خاصی از وابستگی ممکن است در میان همسایگان درجه بالاتر وجود داشته باشد. نشان داده شده است که این یک راه جایگزین برای نگاه کردن به مسئله مقیاس است (کلیف و اورد، 1981، ص 123). با این حال، برخلاف مورد سری‌های زمانی که در آن هر مشاهده فقط به مشاهدات گذشته بستگی دارد، در اینجا وابستگی در همه جهات گسترش می‌یابد.

Figure 1. 1. Map of Great Britain at two different scale levels. (a) Counties, (b)Regions. '-. " Figure 1. 2. Two alternative aggregations of the Italian provincie in 32 larger areas 4 CHAPTER 1 d . , b) Figure 1. 3 Percentage of votes of the Communist Party in the 1987 Italian political elections (a) and percentage of population over 75 years (b) in 1981 Italian Census in 32 polling districts. The polling districts with values above the average are shaded. Figure 1. 4: First order neighbours (a) and second order neighbours (b) of a reference area. INTRODUCTION 5 While there are several other problems relating to the analysis of areal data, the problem of estimating a spatial correlO!J'am merits special attention. The concept of the correlogram has been borrowed in the spatial literature from the time series analysis. Figure l. 4. a shows the first-order neighbours of a reference area, while Figure 1. 4. b displays the second-order neighbours of the same area. Higher-order neighbours can be defined in a similar fashion. While it is clear that the dependence is strongest between immediate neighbouring areas a certain degree of dependence may be present among higher-order neighbours. This has been shown to be an alternative way of look ing at the sca le problem (Cliff and Ord, 1981, p. l 23). However, unlike the case of a time series where each observation depends only on past observations, here dependence extends in all directions.