Computing the Jacobian in Gaussian Spatial Autoregressive Models: An Illustrated Comparison of Available Methods

When estimating spatial regression models by maximum likelihood using spatial weights matrices to represent spatial processes, computing the Jacobian, ln(|I ? λW|), remains a central problem. In principle, and for smaller data sets, the use of the eigenvalues of the spatial weights matrix provides a very rapid resolution. Analytical eigenvalues are available for large regular grids. For larger problems not on regular grids, including those induced in spatial panel and dyadic (network) problems, solving the eigenproblem may not be feasible, and a number of alternatives have been proposed. This article surveys selected alternatives, and comments on their relative usefulness, covering sparse Cholesky and sparse LU factorizations, and approximations such as Monte Carlo, Chebyshev, and using lower‐order moments with interpolation. The results are presented in terms of component‐wise differences between sets of Jacobians for selected data sets. In conclusion, recommendations are made for a number of analytical settings. Al estimar modelos de regresión espacial con el método del máxima verosimilitud (máximum likelihood) y usando matrices de pesos espaciales para representar procesos espaciales, cálculo del término jacobiano (jabobian)—ln(| I ?λ W |)‐ sigue siendo un problema central. En principio, y para bases de datos más pequeñas, el uso de los valores propios (eigenvalues) de la matriz de pesos espaciales proporciona una solución muy rápida. Los eigenvalues analíticos para retículas o grillas grandes y regulares son ya conocidos. Para problemas más grandes, que no se presentan en mallas regulares ‐incluyendo aquellos que se inducen en problemas de paneles espaciales y en problemas de (redes) diádicas‐, es posible que resolver el eigenproblem no sea posible. Este artículo estudia una selección de alternativas y comenta acerca de su relativa utilidad. Se cubren las facorizaciones de tipo Cholesky disperso (sparse Cholesky) y de tipo LU dispersas (sparse LU), las aproximaciones Monte Carlo, y Chebyshev, así mismo se utiliza momentos de bajo‐orden (lower‐order) con interpolación. Los resultados se presentan en términos de diferencias de componentes entre sets de términos jacobianos para bases de datos seleccionadas. En conclusión, se hacen recomendaciones para una serie de contextos analíticos. 当采用表征空间过程的空间权重矩阵对空间回归模型进行最大似然估计时,雅可比矩阵ln(|I?λW|)的计算仍是核心问题。对于小数据集,原则上可利用空间权重矩阵的特征值提供一种快速的解决方案,对于大型规则格网数据特征值分析同样有效。但对于不规则格网大型问题,包括从空间面板和二元（网络）问题中引伸的问题,利用特征值的解决方案可能不适用,对此学术界提出了多种可选替代方案。本文选取已有的几种替代方案并评论各自的相对有效性,其中包括稀疏Cholesky分解和稀疏LU分解法,Monte Carlo和 Chebyshev近似模拟法以及低阶矩插值法。结果以所选数据集雅可比矩阵间特定组份的差异方式显示。最后,推荐了一些分析设定。     

Structural Determinism in the Interlocking World City Network

Taylor's interlocking specification of the world city network has offered researchers a theoretically informed way to measure the world city network using readily available firm location data. However, the number and size of firms that are viewed as linking cities to one another impose a form of structural determinism on the world city network. Specifically, when a relatively small number of firms is used to define a network among a relatively large set of cities, or when only larger firms are used, this approach is unable to reveal a wide range of structures features that may actually be present in the world city network it is intended to measure. Through a series of examples, I demonstrate how specific features of firm location data predetermine the structure, number and size of cliques, and density of world city networks derived using the interlocking approach. Concluding comments discuss the implications of this structural determinism by focusing on the case of the commonly used Globalization and World Cities data set 11, offer some suggestions concerning how the interlocking approach can be employed while avoiding structural determinism, and identify some alternative approaches to mapping the world city network. El modelo interconexión cerrada (interlocking) de la red mundial de ciudades (world city network) desarrollado por Taylor (2001) ha proporcionado a los investigadores un marco teórico para medir dicha red con datos fácilmente disponibles acerca de la localización de empresas. Sin embargo, el número y tamaño de las empresas que son consideradas como ‘vinculadoras’ (de ciudades) imponen una forma de determinismo estructural sobre la red. En concreto, cuando un número relativamente pequeño de firmas es utilizado para definir la red entre un conjunto relativamente grande de ciudades, o, cuando sólo se utilizan las empresas más grandes, este enfoque (interlocking) no es capaz de identificar o medir una amplia gama de características estructurales presentes potencialmente en la red de ciudades mundiales. A través de una serie de ejemplos, el autor demuestra cómo varias características específicas de los datos de localización de las empresas predeterminan la estructura, número y tamaño de los cliques y la densidad de las redes de ciudades mundiales resultantes de la aplicación de modelos de interlocking. Luego el autor presenta las implicancias del determinismo estructural mencionado, centrándose en el caso la base de datos de uso común GaWC # 11. Finalmente el articulo ofrece algunas sugerencias sobre cómo el enfoque de interlocking puede ser empleado sin caer en un determinismo estructural, y se identifican algunos enfoques alternativos para el mapeo de la red mundial de ciudades. 泰勒（2001）采用相对容易获得的公司地理位置数据提出的世界城市网络连锁度量方法,为研究者提供了一种理论途径。然而,将公司的数量和规模视为城市之间的联接是一种强加的世界城市网络结构决定论形式。特别是当用数量相对较少的公司或仅用大公司的数量来定义相对较大的城市网络集时,该方法不能揭示目前实际情况中大范围世界城市网络需要度量的结构特征。通过一系列的案例分析,本文显示了公司区位数据的特有特征预先决定了集团的结构、数量和规模,以及由泰勒的连锁方法推导出世界城市网络的密度。最后,通过曾被广泛采用的GaWC（全球化和世界城市）数据集的11个城市公司数据讨论了结构决定方法的应用,并就应用该方法如何避免结构决定论提出一些建议,进而识别一些可选用的方法来绘制世界城市网络图。     

The City Is a Tree; The Real World Is Not a Tree!

The guest coeditors of this issue set a context in which to view a previously unpublished article of Frank Harary. The Harary article is followed here by contemporary material of Joseph Kerski that addresses similar real‐world issues. The two together, along with the context, serve as a springboard to launch the reader into the rest of the materials in this special issue devoted to graph theory and network science. Los coeditores invitados de esta edición establecen marco contextual para una lectura de un manuscrito inédito de Frank Harary. El artículo de Harary es presentado y complementado con material contemporáneo de Joseph Kerski que aborda problemas similares del mundo real. Los dos juntos y el marco conceptual sirven de base al lector para el resto de los materiales en este número especial, dedicado a la teoría de grafos y la ciencia de la redes. 本专辑的客座合作主编发表了一个评论,回顾Frank Harray先前未发表的论文。Harary的论文和当代Joseph Kerski的论文均关注相似的现实世界问题。将两者内容进行对比,结合原文,可以使读者更深入地了解本专辑中有关图论和网络科学之外的其他内容。     

Nonparametric Estimation of the Spatial Connectivity Matrix Using Spatial Panel Data

We use moments from the covariance matrix for spatial panel data to estimate the parameters of the spatial autoregression model, including the spatial connectivity matrix W. In the unrestricted spatial autoregression model, the parameters are underidentified by one when W is symmetric. We show that a special case exists in which W is asymmetric and its parameters are exactly identified. If the panel data are stationary and ergodic, spatially and temporally, the estimates of W and the spatial autoregression coefficients are consistent. Spatial panel data for house prices in Israel are used to illustrate this methodology. Los autores usan momentos de una matriz de covarianza para datos panel espaciales para estimar los parámetros del modelo de autoregresión espacial (spatial autoregressive model), incluyendo la matriz de conectividad (o de ponderación) espacial W. En el modelo de autoregresión espacial sin restricciones, los parámetros están sub‐identificados por un valor de uno en los casos que la matriz W es simétrica. Los autores demuestran que existe un caso especial en el cual la matriz W es asimétrica y sus parámetros tienen cálculo exacto. Si los datos panel son estacionarios y ergódicos, espacial y temporalmente, los estimados de W y el coeficiente de autoregresión espacial son consistentes. Para ilustrar la metodología propuesta, los autores usan datos‐panel espaciales de precios de vivienda en Israel. 本文通过采用空间面板数据的协方差矩阵对包含空间相关矩阵W的空间自回归模型进行参数的矩估计。在无约束空间自回归模型中,W是对称矩阵时,参数可由其估计得到。本文展示了一种W是对称矩阵且其参数能够被精确估计的特殊情况。如果面板数据在时间与空间特征上具有平稳性和遍历性,那么W和空间自回归参数的估计是一致的。最后,针对以色列住房价格的空间面板数据采用此方法进行实证研究。     

Optimal Weights for Focused Tests of Clustering Using the Local Moran Statistic

Local spatial statistics measure and test for spatial association for a variable or variables of interest in a geographic neighborhood surrounding a predefined location. Most applications adopt a single scale of analysis but give little attention to the scale of the process generating the data. Alternatively, when the researcher is uncertain about the process scale, local statistics may examine a number of scales. In these cases, it is important to include a correction for multiple testing when evaluating the statistical significance of each local statistic, something that is rarely done. Consequently, local statistics are more likely to identify significant relationships, even when no meaningful spatial association exists. In this article, we develop a methodology for the local Moran statistic that provides both an empirical estimate of the spatial scale of association and an assessment of the significance of the statistic for that scale. The key idea is to test a number of possible choices for the statistic's weight matrix and then account for the multiple testing associated with the number of weight matrices examined. Unlike previous research, our statistic avoids the use of simulation to determine statistical significance in the presence of multiple testing. To test the validity of our approach, we constructed a numerical example to assess the statistic's performance and conducted an empirical study using leukemia data from central New York state. The developed statistic addresses the need for the empirical determination of weights and spatial scale. The test therefore addresses the common weakness of many applications, where weights are defined exogenously, with little or no thought given to either the definition or its implications. Los indicadores locales (local spatial statistics) evalúan la asociación espacial de una o varias variables de interés dada un área predefinida y sus áreas vecinas. La mayoría de dichas medidas utilizan una escala única de análisis y prestan poca atención a la escala del proceso de generación de los datos. En los casos en los que el investigador no está seguro de la escala del proceso, las los indicadores locales pueden ser evaluados a varias escalas. En dichos casos, cuando se hace la evaluación de la significancia estadística de cada indicador local, es importante incorporar una corrección para pruebas múltiples (multiple tests), un ajuste que raramente se realiza en la gran mayoría de estudios. Debido al problema de pruebas múltiples, los indicadores locales son más propensos a identificar relaciones significativas, incluso cuando no existe asociación espacial significativa alguna. En este artículo los autores desarrollan una metodología que produce un índice local de Moran que proporciona tanto una estimación empírica de la escala espacial de la asociación así como una evaluación de la importancia del indicador para dicha escala. La idea clave es poner a prueba una serie de opciones posibles para la definición de la matriz de pesos espaciales (spatial weight matrix) del índice y luego tomar en cuenta las pruebas múltiples asociadas con el número de matrices de peso examinadas. A diferencia de métodos anteriores, el indicador local propuesto evita el uso de simulaciones para determinar la significancia estadística con pruebas múltiples. Para probar la validez del enfoque propuesto, se construyó un ejemplo numérico con el fin de evaluar el desempeño del nuevo índice y se llevó a cabo un estudio comparativo a partir de datos del centro de leucemia del estado de Nueva York. El índice desarrollado responde a la necesidad de definir las ponderaciones (pesos) empíricamente y la escala espacial. De esta forma el método propuesto supera limitaciones comúnmente halladas de muchas aplicaciones en las cuales los pesos son definidos exógenamente, con poca o ninguna atención a su definición o su implicancias. 局部空间统计量可用于度量和检验预定地理区域周围邻域的空间关联。大多数情况下仅采用单一尺度的分析而较少关注数据生成过程的尺度。而当其过程尺度无法确定时,局部统计量却可能检测出多个尺度。在这些案例中,对单个局部统计量统计显著性评估建立多重检验的修正是重要的,而这却鲜有实施。因此,即使存在无意义的空间关联时,局部统计也更可能识别出显著的相关性。 本文发展了一种基于局部Moran统计的方法,提供了空间尺度关联性的经验估计以及对该尺度下统计显著性的评估。其核心思想是测试统计权重矩阵的可能选择,然后考虑与权重矩阵检验数量数目相关的多重检验。与以往研究不同,该方法在多重检验情况中避免了采用模拟来确定统计显著性。为检验其有效性,采用了数值案例来评估其统计性能,并基于纽约州中部的血癌数据进行比较研究。该方法解决了权重和空间尺度确定经验估计的需求,通过验证也相应地解决了很多应用中的普遍弱点,即权重被定义成外生变量,而很少或根本没有考虑其定义或含义。     

Evaluation of a Spatial Relationship by the Concept of Intrinsic Spatial Distance

We propose the concept of intrinsic spatial distance (ISD) for the study of a spatial relationship between any two points in space. ISD is a distance measure that takes into account the separation of two points with respect to their physical and attribute closeness. We construct an algorithm to implement this concept as an ISD measurement. Based on the ISD concept, two points in space are related through a transitional path linking one to the other. As an ISD measurement decreases, the spatial relationship between two points becomes increasingly stronger. We argue theoretically and demonstrate empirically that the ISD concept is not predisposed in favor of the first law of geography, but directly considers variance of nearness in physical distance and attribute distance to derive the extent to which two points are spatially associated. Specifically, in single attribute cases, the information uncovered by an ISD measurement is more elaborate than that revealed by Moran's I, local Moran's I, and a semivariogram, giving a meticulous account of relatedness in both local and global contexts. The ISD concept is also sufficiently general to be used to study multiple attributes of relationships. Proponemos el concepto de distancia espacial intrínseca (intrinsic spatial distance ‐ISD) para el estudio de la relación espacial entre dos puntos en el espacio. La ISD es una medición de distancia que tiene en cuenta la separación de dos puntos con respecto a su cercanía física y de atributo. Construimos un algoritmo para aplicar este concepto y crear una medición ISD. De acuerdo con en el concepto ISD, dos puntos en el espacio están relacionadas a través de un camino de transición que los vincula uno al otro. A medida que la medición ISD disminuye, la relación espacial entre dos puntos se refuerza. Argumentamos teóricamente y demostramos empíricamente que el concepto ISD no está predispuesto a favor de la primera ley de la geografía (de Tobler), pero considera directamente la varianza de la cercanía de la distancia física y la distancia del valor del atributo para derivar una medición que cuantifica el grado en el que dos puntos están asociados espacialmente. En concreto, en los casos de atributos individuales, la información revelada por una medición ISD es más sofisticada que la que proporcionada por el índice de Moran, el índice de Moran local, y el semivariograma, pues da cuanta minuciosa de la relación espacial y de atributo en contextos locales y globales. El concepto de ISD también es lo suficientemente general para ser usado en el estudio de relaciones entre múltiples atributos. 本文提出了内蕴空间距离(ISD)来研究空间中任意两点之间的空间关系。ISD是考虑空间上分离的两点各自物理和属性接近度的一种距离度量。通过构造一个算法将该概念转变为ISD可度量方式。基于ISD概念,空间上的两点通过连接两者迁移路径相关联。当ISD度量减小时,两点之间空间关系变得越来越强。理论论证和实例演示表明ISD概念并不倾向于符合地理学第一定律,但直接考虑两点间物理距离和属性距离临近性的变化可以推导两点在空间上的联系程度。特别是在单一属性案例中,相比于Moran’s I,局部Moran’s I和半方差图,ISD度量揭示了全局与局部环境中详尽的空间相关信息。同时,ISD概念在研究多属性的空间关系中也是足够通用的。     

A Hierarchical Flow Capturing Location Problem with Demand Attraction Based on Facility Size,and Its Lagrangian Relaxation Solution Method

This article presents a hierarchical flow capturing location problem (HFCLP) and proposes an effective Lagrangian heuristic solution method. The original flow capturing location problem (FCLP) aims to locate a given number of facilities on a network to maximize the total flow that can be serviced at facilities along their preplanned routes, such as daily commute to work. We extend the original model to allow a decision maker to select the size of facilities among m different size alternatives. Larger facilities are assumed to be more attractive and, therefore, can attract more customers, but they cost more to construct than smaller ones. Customers deviate from their preplanned routes to access a facility's service when the size of the facility is sufficiently large. The degree of deviation from the original path is measured by the additional distance customers have to go to access facilities, and the acceptable deviation distance becomes larger as the size of a facility increases. This article presents a new problem in which the number of facilities of each size and their locations are simultaneously determined so as to capture as much flow as possible within the total budget available for locating all facilities. We present an integer programming formulation of the problem and devise a Lagrangian relaxation solution method. The proposed algorithm is tested using road networks with 300 and 500 nodes. The results show that the method produces high‐quality solutions in a fairly short time. Este artículo presenta un problema de localización de captura de flujo jerárquico (hierarchical flow capturing location problem‐HFCLP) y propone un método heurístico eficiente de tipo Lagrange (lagrangian). En su formulación original el HFLCP tiene como objetivo localizar un número determinado de instalaciones en una red con el fin de maximizar el flujo total que puede ser atendido por las instalaciones existentes a lo largo de rutas preestablecidas, como en el caso por ejemplo, de los desplazamientos diarios del lugar de residencia al de trabajo. Los autores amplían el modelo original para permitir que el tomador de decisiones seleccione el tamaño de las instalaciones entre “m” alternativas. Se asume que las instalaciones más grandes son más atractivas que las más pequeñas y, por lo tanto, pueden atraer a más clientes, pero a la vez, son también más costosas de construir. Los clientes se desvían de su ruta preestablecida para acceder al servicio de una instalación cuando el tamaño de la instalación es lo suficientemente grande. El grado de desviación de las rutas se mide por la distancia adicional que los clientes viajan para acceder a las instalaciones. La distancia de desviación aceptable se hace más grande en relación al tamaño de la instalación. En este artículo se presenta un nuevo modelo para el HFLCP en el que el número de las instalaciones de cada tamaño y su ubicación son determinadas simultáneamente con el fin de capturar la mayor cantidad de flujo dentro del presupuesto total disponible para la localización de todas las instalaciones. Los autores presentan una formulación de programación entera (integer programming) del HFCLP e implementan un método que relaja la solución lagrangiana. El algoritmo propuesto es evaluado utilizando redes viales con 300 y 500 nodos. Los resultados muestran que el nuevo método produce soluciones de alta calidad y en tiempos de computación relativamente cortos. 本文介绍了一种分层的截流选址问题 (HFCLP),提出了一个有效的拉格朗日启发式解决方法。最初的截流选址问题(FCLP)目标是在网络上布局给定数量的设施使总流量最大,使按预定路线的行进流可以获得最大的服务,如每日的工作通勤。本文对原始模型进行扩展,让决策者可在不同的设施规模选择方案中进行规模选择。假设更大规模设施具有更大的吸引力,因此也能够吸引更多的客户,但同时也需要更多的建造成本。当设施规模足够大时,消费者会选择偏离预定路径而进入该设施的服务范围。对原始路径的偏离程度可通过用户进入该设施所增加的额外距离度量。可接受的偏差距离随着设施规模增大而增大。本文提出了在总预算确定条件下,同步确定不同规模设施数量及其位置以实现截取最大流量的新问题,并给出了该问题的整数规划方法,设计了拉格朗日松弛解法。通过300和500个节点的网络测试,结果显示该算法可在相当短时间内获得高质量的解决方案。     

Exposing Unobserved Spatial Similarity: Evidence from German School Choice Data

In a spatial context, flexible substitution patterns play an important role when modeling individual choice behavior. Issues of correlation may arise if two or more alternatives of a selected choice set share characteristics that cannot be observed by a modeler. Multivariate extreme value (MEV) models provide the possibility to relax the property of constant substitution imposed by the multinomial logit (MNL) model through its independence of irrelevant alternatives (IIA) property. Existing approaches in school network planning often do not account for substitution patterns, nor do they take free school choice into consideration. In this article, we briefly operationalize a closed‐form discrete choice model (generalized nested logit [GNL] model) from utility maximization to account for spatial correlation. Moreover, we show that very simple and restrictive models are usually not adequate in a spatial choice context. In contrast, the GNL is still computationally convenient and obtains a very flexible structure of substitution patterns among choice alternatives. Roughly speaking, this flexibility is achieved by allocating alternatives that are located close to each other into nests. A given alternative may belong to several nests. Therefore, we specify a more general discrete choice model. Furthermore, the data and the model specification for the school choice problem are presented. The analysis of free school choice in the city of Dresden, Germany, confirms the influence of most of the exogenous variables reported in the literature. The estimation results generally indicate the applicability of MEV models in a spatial context and the importance of spatial correlation in school choice modeling. Therefore, we suggest the use of more flexible and complex models than standard logit models in particular. En un contexto espacial, los patrones sustitución flexible juegan un papel importante en el modelamiento del comportamiento de las decisiones individuales. Varios problemas de correlación pueden presentarse si dos o más alternativas de elección comparten características no observables por el modelador. Los modelos de valor extremo (multivariate extreme value‐MEV) ofrecen la posibilidad de relajar la propiedad de sustitución constante (constant substitution) presente en los modelos logit multinomiales (multinomial logit‐MNL), a través de su propiedad de independencia de alternativas irrelevantes (Independence of irrelevant alternatives property ‐IIA). A menudo, los enfoques existentes en la planificación de redes escolares no toman en consideración los patrones de sustitución y de libre elección de escuela. En este artículo, los autores presentan brevemente el funcionamiento de un modelo de elección discreta (discrete choice model) para la maximización de utilidad o modelo logit anidado generalizado (generalized nested logit model‐GNL) para dar cuenta de la autocorrelación espacial. Los autores sostienen que modelos demasiado simples y restrictivos no suelen ser adecuados en un contexto de elección espacial. En contraste el modelo GNL es conveniente en términos de su computación y obtiene una estructura muy flexible de los patrones de sustitución entre las alternativas de elección. En términos generales, esta flexibilidad se logra mediante la asignación (o anidación) de las alternativas cercanas en el espacio (una alternativa puede pertenecer a varios nidos). Por lo tanto, los autores presentan un modelo de elección discreta más general. El estudio presenta además datos y la especificación del modelo para un caso de elección de escuela concreto: el análisis de libre elección de escuela en la ciudad de Dresden, Alemania. El análisis confirma la influencia de la mayoría de las variables exógenas presentes en la literatura. Los resultados de la estimación demuestran en términos generales la aplicabilidad de los modelos MEV en un contexto espacial y la importancia de la autocorrelación espacial en el modelado de elección de escuela. Los autores concluyen sugiriendo el uso de modelos más flexibles y complejos que los modelos utilizados habitualmente, en particular los modelos logit estándar. 从空间视角看,灵活的替代模式在个人行为选择建模中发挥着重要作用。当存在两个或两个以上备选方案集具有共性且无法被建模者观察到时,就可能出现相关性问题。多元极值模型（MEV）通过不相关的替代属性（IIA）实现了对多元logit模型（MNL）中常数限制的松弛替代。现有校园网络规划方法通常无法解释替代模式,而且没有考虑到自由择校因素。本文简要地建立一个封闭离散选择模型（广义嵌套（GNL）模型）,从效用最大化角度来解释空间相关性。此外分析还表明,非常简单的约束模型通常不具有足够的空间选择情境。相比之下,GNL模型计算便捷,且可以在各选择方案中获得非常灵活的替代模式。大致而言,这种灵活性大体是通过与住处位置距离上彼此靠近的替代选择分配而获得,一个给定的选择可能属于不同的住处。因此,我们给出了一个更一般的离散选择模型。此外,还给出了针对择校问题的数据和模型设定。基于德国德累斯顿市自由择校分析,证实了已有研究中多数外生变量的影响。估计结果证实了MEV模型在空间分析中的适用性以及择校模型中空间相关的重要性,并建议使用更加灵活和复杂的模型而不是标准的logit模型。     

A Unified Model for Dispersing Facilities

One of the important classes of facility dispersion problems involves the location of a number of facilities where the intent is to place them as far apart from each other as possible. Four basic forms of the p‐facility dispersion problem appear in the literature. Erkut and Neuman present a classification system for these four classic constructs. More recently, Curtin and Church expanded upon this framework by the introduction of “multiple types” of facilities, where the dispersion distances between specific types are weighted differently. This article explores another basic assumption found in all four classic models (including the multitype facility constructs of Curtin and Church): that dispersion is accounted for in terms of either distance to the closest facility or distances to all facilities (from a given facility), whether applied to a single type of facility or across a set of facility types. In reality, however, measuring dispersion in terms of whether neighboring facilities to a given facility are dispersed rather than whether all facilities are dispersed away from the given facility often makes more sense. To account for this intermediate measure of dispersion, we propose a construct called partial‐sum dispersion. We propose four “partial‐sum” dispersion problem forms and show that these are generalized forms of the classic set of four models codified by Erkut and Neuman. Further, we present a unifying model that is a generalized form of all four partial‐sum models as well as a generalized form of the original four classic model constructs. Finally, we present computational experience with the general model and conclude with a few examples and suggestions for future research. Una de las clases importantes dentro de los problemas de dispersión de instalaciones de servicios/infraestructura es el caso en el que la localización de un número de instalaciones debe cumplir la condición de maximizar la distancia entre cada par. La literatura especializada cita cuatro formas básicas del problema de dispersión llamados tipo p‐instalación (p‐facility) (Shier 1977; Luna y Chaudhry 1984; Kuby 1987; Erkut y Neuman, 1991). Erkut y Neuman (1991) presentan un sistema de clasificación para estas cuatro formas clásicas. Recientemente, Curtin e Iglesia (2006) ampliaron este marco metodológico al incorporar múltiples tipos de instalaciones, permitiendo que las distancias de dispersión entre diferentes tipos específicos de instalaciones sean ponderadas de manera diferente. El artículo presente explora otro supuesto básico que se encuentra en los cuatro modelos clásicos (y las modifcaciones para acomodar instalaciones multi‐tipo de Curtin e Iglesia): la dispersión es cuantificada en términos de la distancia entre una instalación dada y la instalación más cercana, o entre una instalación dada y la totalidad de las instalaciones. Este supuesto se mantiene si las distancias son aplicadas a un solo tipo de instalación o a múltiples tipos de instalaciones. Sin embargo, en realidad, tiene más sentido medir la dispersión en relación a las instalaciones vecinas, en vez de en relación a la totalidad las instalaciones. Para incorporar esta realidad a un nuevo tipo de medida intermedia de dispersión, se propone una medida llamada dispersión de suma parcial (partial‐sum dispersion). Proponemos cuatro tipos de problemas de dispersión de tipo parcial‐sum y demostramos que éstas son formas generalizadas de los cuatro modelos clásicos presentados por Erkut y Neuman (1991). Además, se presenta un modelo unificado que es una forma generalizada de los cuatro modelos tipo partial‐sum, así como una forma generalizada de las cuatro tipos en el modelo clásico. Por último, se presenta los resultados de pruebas computacionales usando el modelo general y se concluye con algunos ejemplos y sugerencias para investigaciones futuras. 设施分散问题中重要的一类是大量设施的布局,其意图是将它们在空间上尽可能离得更远。目前文献中主要讨论了4种基本形式(Shier 1977; Moon and Chaudhry 1984; Kuby 1987; Erkut and Neuman 1991)。Erkut and Neuman (1991)提出了这4种经典结构的一种分类系统。Curtin and Church (2006)引入设施“多种类型”对上述分类框架进行拓展,在特定类别之间的分散距离的权重存在不同。本文探索了在4种经典模型中所发现的另一种基本假设（包含Curtin and Church的多种类型设施结构）：无论是在单一类型设施或包括多种类型设施中,分散度在解释某一给定设施到最近设施的距离或到所有设施的距离方面都是合理的。然而,在现实中设施分散度度量方面,测量某一给定设施的邻近设施的分散度特征相比于测量给定设施的所有其他设施的散布特征通常更有意义。为解释这种分散度的中间度量,本文提出了一种称为“局部和整体”的结构,包括4种分散问题形式,它们是Erkut and Neuman 4种传统类型的广义形式。本文进而提出了一个统一模型,即所有 “局部和整体”模型和经典类型结构一种广义形式。最后,对统一模型进行了计算检验,并基于几个实证进行了总结,还提出了未来的研究建议。     

Hierarchical Bayesian Spatiotemporal Analysis of Childhood Cancer Trends

In this article, generalized additive mixed models are constructed for the analysis of geographical and temporal variability of cancer ratios. In this class of models, spatially correlated random effects and temporal components are adopted. Spatio‐temporal models that use intrinsic conditionally autoregressive smoothing across the spatial dimension and B‐spline smoothing over the temporal dimension are considered. We study the patterns of incidence ratios over time and identify areas with consistently high ratio estimates as areas for further investigation. A hierarchical Bayesian approach using Markov chain Monte Carlo techniques is employed for the analysis of the childhood cancer diagnoses in the province of Alberta, Canada during 1995–2004. We also evaluate the sensitivity of such analyses to prior assumptions in the Poisson context. En este artículo los autores construyen modelos aditivos generalizados mixtos (generalized additive mixed models) con el fin de analizar la variabilidad geográfica y temporal en las tasas de incidencia de cáncer. Este tipo de modelos emplean efectos aleatorios correlacionados espacialmente y componentes temporales. Los modelos espacio‐temporales emplean un suavizado condicional intrínseco autorregresivo (conditionally autoregressive smoothing) a través de la dimensión espacial y un suavizado de tipo B‐spline sobre la dimensión temporal. Los autores examinan los patrones de las tasas de incidencia a través del tiempo e identifican las áreas con valores consistentemente altos con el fin de sugerir áreas de investigación para el futuro. El estudio utiliza un enfoque jerárquico bayesiano (hierarchical bayesian) que usa una cadena de Markov Monte Carlo para evaluar los diagnósticos de cáncer infantil en la provincia de Alberta, Canadá durante el periodo 1995–2004. Asimismo, también se evalúa la sensibilidad de este tipo de análisis con respecto a los supuestos a‐priori, en el contexto de los modelos tipo Poisson. 本文提出了广义可加和混合模型进行癌症比率的地理和时间变化分析。在这类模型中引入了空间相关的随机效应和时间组分。时空模型在空间维度上采用本征自回归条件平滑,而在时间维度上则使用了B样条平滑。本文研究了疾病发生率模式,并识别出一直具有高比率估计的地区作为进一步调查区。在1995–2004年加拿大亚伯达省儿童癌症的诊断中,采用了基于马尔科夫链‐蒙特卡罗模型的分层贝叶斯方法,并且在泊松先验假设条件下评估了该类分析的敏感性。     

Cognitive Value and Numerical Accuracy in Geocomputation: Choosing a Method to Compute the Log‐Jacobian Term

This article addresses the importance of cognitive value, numerical accuracy, and technical feasibility for geospatial models and methods. Researchers pursue large spatial data in an analysis to improve the statistical efficiency of parameter estimates and the cognitive value of the results. The critical requirement for this strategy is the availability of numerically accurate computational methods, without which parameter estimates lose their cognitive value. This article illustrates the relationship between cognitive value and numerical accuracy by establishing properties of popular polynomial schemes for approximating the log‐Jacobian term in spatial autoregressive models. It shows that numerical inaccuracies might be more misleading than is commonly assumed. En este artículo se aborda la importancia del valor cognitivo, la precisión numérica, y la viabilidad técnica de los modelos y métodos geoespaciales. Los investigadores interesados en análisis espacial tienden a preferir el uso de bases de datos de gran tamaño con el fin de mejorar la eficiencia estadística de sus estimaciones de parámetros y el valor cognitivo de los resultados. El requisito crítico para esta estrategia es la disponibilidad de métodos computacionales numéricamente precisos, sin los cuales las estimaciones de parámetros pierden su valor cognitivo. En este artículo se ilustra la relación entre el valor cognitivo y precisión numérica mediante la determinante jacobiano tipo log en modelos espaciales autorregresivos (spatial autorregresive models‐SAR). El estudio demuestra que las imprecisiones numéricas pueden ser más engañosas de lo que se asume comúnmente. 本文描述了地理空间模型和方法中认知价值、数值精度、技术可行性的重要性。研究者一般倾向于通过追求大规模空间数据,来提升参数估计的统计有效性和结果的认知价值。这一策略的关键是有实用的精确数值计算方法,否则参数估计将失去其认知价值。本文通过建立普遍使用的多项式方案来逼近空间自回归（SAR）模型中的Log‐Jacobian,从而说明认知价值和数值精度间的关系。结果表明数值不确定性可能比通常假设的误导性更大。     

The p‐Compact‐regions Problem

The p‐compact‐regions problem involves the search for an aggregation of n atomic spatial units into p‐compact, contiguous regions. This article reports our efforts in designing a heuristic framework—MERGE (memory‐based randomized greedy and edge reassignment)—to solve this problem through phases of dealing, randomized greedy, and edge reassignment. This MERGE heuristic is able to memorize (ME of MERGE) the potential best moves toward an optimal solution at each phase of the procedure such that the search efficiency can be greatly improved. A dealing phase grows seeded regions into a viable size. A randomized greedy (RG of MERGE) approach completes the regions' growth and generates a feasible set of p‐regions. The edge‐reassigning local search (E of MERGE) fine‐tunes the results toward better objectives. In addition, a normalized moment of inertia (NMI) is introduced as the method of choice in computing the compactness of each region. We discuss in detail how MERGE works and how this new compactness measure can be seamlessly integrated into different phases of the proposed regionalization procedure. The performance of MERGE is evaluated through the use of both a small and a large p‐compact‐regions problem motivated by modeling the regional economy of Southern California. We expect this work to contribute to the regionalization theory and practice literature. Theoretically, we formulate a new model for the family of p‐compact‐regions problems. The novel NMI introduced in the model provides an accurate, robust, and efficient measure of compactness, which is a key objective for p‐compact‐regions problems. Practically, we developed the MERGE heuristic, proven to be effective and efficient in solving this nonlinear optimization problem to near optimality. El problema de regiones compactas tipo p (p‐compact regions) consiste en la búsqueda de la agregación de n unidades espaciales atómicas que produzca regiones contiguas de tipo p‐compacto. Este artículo reporta los esfuerzos de los autores en el diseño de un marco heurístico MERGE (memory‐based randomized greedy and edge‐reassignment) el cual resuelve este problema a través de las fases de la negociación (dealing), codicia aleatorizada (randomized greedy), y la reasignación de bordes (edge reassignment). El heurístico MERGE es capaz de memorizar ( ME de MERGE) los mejo)res desplazamientos posibles hacia una solución óptima en cada fase del procedimiento de tal manera que la eficiencia de la búsqueda puede ser mejorada en gran medida. La fase de negociación crea regiones “sembradas” aleatoriamente y las hace crecer en diferentes tamaños . El componente de codicia aleatorio (RG de MERGE) completa la fase de crecimiento de las regiones y genera un conjunto factible de regiones tipo p. La reasignación de bordes se realiza vía una búsqueda local (E de MERGE) que afina los resultados con el fin the alcanzar los objetivos. Además, el enfoque propuesto aquí utiliza el momento de inercia normalizado (normalized momento of inertia‐NMI) como método para el cálculo de la compacidad de cada región. El artículo discute en detalle el funcionamiento de MERGE y cómo esta nueva medida compacidad puede integrarse perfectamente en las diferentes fases del procedimiento de regionalización propuesto. Para ilustrar y evaluar el desempeño de MERGE, el metodo es aplicado a dos problemas de p‐compact regions, uno grande y uno pequeño, basados en el modelado de la economía regional del sur de California. Los autores esperan que este trabajo contribuya a la literatura teórica y práctica de la regionalización. En términos teóricos, se formula un nuevo modelo de la familia de problemas de p‐compact regions. El NMI equipa al modelo con una novedosa forma de obtener una medida exacta, robusta y eficiente de compacidad, que es un objetivo clave para los problemas región compacta tipo p. En términos prácticos, se desarrolla MERGE, un procedimiento heurístico que ha demostrado ser eficaz y eficiente en la solución de este problema de optimización no lineal de manera casi óptima. p紧凑区域问题包含寻找一种聚集方法,将n个不可分割的空间单元集合成p紧凑的邻近区域。本文阐述了一种启发式架构MERGE(基于记忆的随机贪婪和边界再赋值算法),通过处理、随机贪婪和边界再分配这几个阶段解决p紧凑问题。MERGE启发式框架能存储 处理过程每个阶段中,向一个最优解的潜在最佳移动方式,从而可极大地提升搜索效率。一个处理阶段可将种子区域生长到可行大小。而一个随机贪婪阶段能完成区域增长并生成p区域的可行集。在边界再分配的局部搜索阶段对结果进行微调以达到更好的目标。此外,引入标准化的惯性矩作为每个区域紧凑度计算的选择方法。本文详细讨论了MERGE的工作原理,以及这种新的紧凑度测算方法如何能无缝地整合到所提出的区域化流程的不同阶段。通过在南部加州区域经济建模中一小一大两个p紧凑区域问题的应用,对MERGE的性能进行评估,期望该工作能够对区域化理论和实践作出贡献。理论上,提出了可解决p紧凑区域这类问题的新模型。在模型中引入新颖的标准化惯性矩这一精确的、鲁棒的和有效的紧凑度度量方法,是解决p紧凑区域问题的关键目标;实践上,本文发展了MERGE启发式框架,并证明了它在解决这种非线性优化问题近优性的有效性和高效性。     

Using Simulated Data to Examine the Determinants of Acute Hospital Demand at the Small Area Level

The aim of this article is to establish whether spatial variation exists in acute hospital utilization in Ireland and, if it does, to identify the microlevel factors influencing this variation. First, an alignment process is used to calibrate the acute inpatient attendance and nights spent in hospital variables produced by a spatial microsimulation model at both the national and the subnational levels. Comparing the results of the national and subnational alignment allows us to examine whether spatial variation exists. Second, after establishing that hospital utilization displays a significant spatial pattern, we use a nationally representative survey to determine which individual‐level factors significantly affect inpatient attendance and the number of nights spent in hospitals. Using the calibrated data from the aforementioned spatial microsimulation model, we examine whether the spatial patterns of those variables found to influence hospital utilization match the spatial pattern of actual hospital utilization rates at the small area, electoral division level. That is, are the individuals/areas with the highest demand for acute hospital services utilizing acute hospital services? Finally, the results of this research are discussed in relation to both the national and international literature. El objetivo de este artículo es determinar si existe variación espacial en la utilización aguda y urgente (acute) de hospitales en Irlanda, y de ser así, identificar los factores microeconómicos que influyen en esta variación. En primer lugar, se utiliza un proceso de alineación para calibrar las variables de concurrencia (asistencia) de pacientes hospitalizados con casos agudos y de noches de estancia en el hospital, producidas por un modelo microsimulación espacial, tanto para niveles nacionales como subnacionales. Comparar los resultados de alineación de los niveles nacionales y subnacionales nos permite examinar si existe variación espacial. En segundo lugar, después de establecer que la utilización de hospitales muestra un patrón espacial significativo, empleamos una encuesta (un censo) nacional representativa para determinar qué factores a nivel individual afectan significativamente la concurrencia de pacientes hospitalizados y el número de noches de estancia en los hospitales. Al usar los datos calibrados del ya mencionado modelo de microsimulación espacial, analizamos si los patrones espaciales de esas variables que influyen en la utilización de hospitales concuerdan con el patrón espacial de las tasas reales (existentes) de utilización hospitalaria al nivel de las áreas pequeñas de división electoral (DE). En otras palabras, ¿Son las/los individuos/áreas con la mayor demanda de casos agudos de servicios de hospitalización las/los que están utilizados los servicios de hospitalización aguda? Finalmente, los resultados de esta investigación se analizan (discuten) en relación a la literatura especializada nacional e internacional. 本文的研究目的在于通过建立模型以检验爱尔兰急症医院的利用是否存在空间分异。如果存在空间分异,则识别影响其空间分异的微观尺度的驱动因子。首先,在国家和地方两个尺度,通过空间微观模型对所要构建模型的求诊人数及他们花费的夜间数进行校正和调整,并通过对比国家与地方两个尺度的校准结果,来检验其是否存在空间分异。其次,通过建立的模型检验出急诊医院的利用具有显著的空间模式,利用一份具有全国代表性的调查以确定哪些个体层面因素显著影响着求诊人数与在医院花费的夜间数。利用上述空间微观模拟模型检测影响医院利用的那些变量的空间模式,与实际的医院利用率的空间模式在被划分的小区域尺度上是否匹配。也就是说,这些对急症医院服务具有最大需求的个体或区域是否真正实际在使用着这些服务。最后,将本文结果与国内和国际文献进行了相关探讨。.     

The Geography of the Mathematics Research Collaboration Graph

Social networks have become a hot topic for research in the last decade or so. I study one such network in considerable detail: the graph of research collaborations among mathematicians. This graph displays many of the characteristics that various authors have found common to social networks in general. My “geographical” analysis includes the size of this graph, the distribution of the degrees of its vertices, its connectivity, the distances between its vertices, and its clustering coefficient. I also discuss the playful concept of Erd?s numbers. Las redes sociales se han convertido en un tema de gran interés de investigación durante la última década más o menos. El autor analiza una de esas redes a detalle: el grafo de las colaboraciones de investigación entre matemáticos. Este grafo muestra muchas de las características comunes que varios autores han encontrado en redes sociales en general. El análisis “geográfico” incluye el tamaño de este grafo, la distribución de los grados de sus vértices, su conectividad, las distancias entre sus vértices, y su coeficiente de concentración o clustering. El estudio también trata el concepto lúdico de los números de Erdos. 社会网络已成为近十年来研究的热点。作者详尽地研究了数学家间研究合作图。该图显示了不同作者间常拥有一般社会网络共有的许多特性。本文的地理分析包括图的大小、顶点的分布度与连结性,不同边之间的距离以及聚类指数。同时还讨论了有趣的Erd?s 数的概念。     

Food Inflation in the European Union: Distribution Analysis and Spatial Effects

In the European Union (EU), homogenous inflation forces are expected to prevail because of increased economic integration, especially after the creation of a single currency area. This expectation is directly related to the issue of inflation convergence, which has gained increasing attention by both academics and policy makers in Europe. Although the examination of core inflation is of great importance for macroeconomic policy, the role of disaggregate inflation indices, and especially food inflation, has also been emphasized in the literature. However, the issue of food inflation convergence has been largely ignored to date in empirical studies. This study explores the evolving distribution of food inflation rates in the EU‐25 member states using distribution dynamics analysis and covering the period from January 1997 to March 2011. This analysis assumes that each country represents an independent observation, providing unique information that can be used to estimate the transition dynamics of inflation. We show that spatial autocorrelation prevails inside the EU‐25, and, therefore, the independency assumption is violated. To ensure spatial independence, the Getis spatial filter is implemented prior to a distribution dynamics analysis. The results of this analysis confirm the existence of convergence trends, which are even clearer after the spatial filtering procedure, indicating, on the one hand, the influence of spatial effects on food inflation and, on the other hand, the effectiveness of the Getis spatial filtering technique. En la Unión Europea (UE), se espera que las fuerzas de inflación homogéneas prevalezcan debido a la mayor integración económica, sobre todo después de la creación de la zona de moneda única. Esta expectativa se relaciona directamente con el tema de la convergencia de la inflación, que ha ganado cada vez más atención por parte de los investigadores académicos y los decisores políticos europeos. Aunque el análisis de la inflación subyacente es de gran importancia para la política macroeconómica, el papel de los índices de inflación a niveles desagregados, sobre todo en el caso de la inflación de alimentos, ha sido un tema enfatizado por la literatura especializada. Sin embargo, la cuestión de la convergencia de la inflación de alimentos carece hasta la fecha de estudios empíricos. El artículo presente estudia la evolución de la distribución de las tasas de inflación de alimentos en los estados miembros de la UE‐25, utilizando el método de análisis de la dinámica de distribución (distribution dynamic analysis) y abarca el período comprendido entre enero de 1997 a marzo de 2011. Este análisis supone que cada país representa una observación independiente que proporciona información única que se puede utilizada para estimar la dinámica de transición inflacionaria. El presente estudio demuestra que la autocorrelación espacial prevalece dentro de los estados UE‐ 25, y por lo tanto la hipótesis de independencia estadística de las observaciones es violada. Para garantizar la independencia espacial, el método de filtrado espacial Getis (Getis Spatial Filter) es implementado antes de proceder con el análisis de la dinámica de distribución. Los resultados del análisis confirman la existencia de las tendencias de convergencia, que son aún más claras después de la aplicación del filtrado espacial. Estos resultados evidencian por un lado, la influencia de los efectos espaciales en la inflación de alimentos, y por otro lado, la eficacia de la técnica de filtrado espacial de Getis. 在欧盟中,由于区域经济一体化进程的推进,同质商品的通货膨胀盛行,特别是单一货币区域建立后,该趋势更为明显。这种演化态势和通货膨胀的收敛问题直接相关,已经引起了欧洲学术界和政策制定者的关注。虽然核心通胀的检测对宏观经济政策十分重要,但是分解通胀指数的作用,尤其是本文所强调的食品通胀也有文献中提及。然而,食品通胀的收敛问题却在实证研究中很大程度上被忽视。本文利用分布动力学方法对欧盟25国1997年1月至2011年3月的食品通胀率的演化分布进行分析。假设每个国家代表一个独立的观察个体并提供唯一的信息,可用于估计通胀的转变动态,研究发现空间自相关在欧盟25国中普遍存在,因此独立假设不成立。为了保证空间独立性,在进行分布动力学分析之前,先使用Getis空间滤波技术进行处理。分析结果证实了收敛趋势的存在,且该趋势在空间滤波程序处理后更为明显。它一方面显示出食品通胀空间效应的影响,另一方面表现出Getis空间滤波技术的有效性。     

A Spatial Autoregressive Poisson Gravity Model

In this article, a Poisson gravity model is introduced that incorporates spatial dependence of the explained variable without relying on restrictive distributional assumptions of the underlying data‐generating process. The model comprises a spatially filtered component—including the origin‐, destination‐, and origin‐destination‐specific variables—and a spatial residual variable that captures origin‐ and destination‐based spatial autocorrelation. We derive a two‐stage nonlinear least‐squares (NLS) estimator (2NLS) that is hetero‐scedasticity‐robust and, thus, controls for the problem of over‐ or underdispersion that often is present in the empirical analysis of discrete data or, in the case of overdispersion, if spatial autocorrelation is present. This estimator can be shown to have desirable properties for different distributional assumptions, like the observed flows or (spatially) filtered component being either Poisson or negative binomial. In our spatial autoregressive (SAR) model specification, the resulting parameter estimates can be interpreted as the implied total impact effects defined as the sum of direct and indirect spatial feedback effects. Monte Carlo results indicate marginal finite sample biases in the mean and standard deviation of the parameter estimates and convergence to the true parameter values as the sample size increases. In addition, this article illustrates the model by analyzing patent citation flows data across European regions. En el presente artículo, se introduce un modelo de gravedad Poisson, que incorpora la dependencia espacial de la variable explicada, sin apoyarse en presunciones de distribución restrictivas del proceso subyacente de generación de datos. El modelo comprende de un componente espacialmente filtrado, que incluye las variables de origen, destino y origen‐destino específico; y una variable espacial residual que captura la auto‐correlación espacial basada en el origen y destino. Se deriva del calculador (2NLS) de dos etapas no lineales de mínimos cuadrados (NLS), el cual es robusto en heterocedasticidad, y por ello controla el problema de sobre‐dispersión o baja‐dispersión (over and under dispersion), que a menudo se presenta en el análisis empírico de datos discretos; o, en el caso de de sobre‐dispersión, cuando se presenta la auto correlación espacial. Este calculador puede demostrar tener propiedades deseables para diferentes supuestos distribucionales, como los flujos observados un componente (espacialmente) filtrado, ya sea Poisson o binomial negativo. En nuestra especificación de modelo espacial auto regresivo (SAR), las estimaciones de los parámetros resultantes se pueden interpretar como los efectos de impacto total implícitos, definidos como la suma de efectos espaciales, directos o indirectos, de retroalimentación (feedback). Los resultados Monte Carlo indican sesgos marginales de muestras finitas en la media y la desviación estándar de los parámetros estimados, y la convergencia de los valores de los parámetros reales, a medida que aumenta el tamaño de muestra. Este artículo ilustra el modelo mediante el análisis de flujos de datos de citas de patentes, a través de las regiones europeas. 本文提出了一种蕴含空间依赖的泊松引力模型,该模型中解释变量无需依赖潜在数据生成过程的限制性分布假设。该模型由包含起点、终点、起点‐终点特定变量的空间滤波组分和空间残差变量组成,能捕捉到基于起点和终点的空间自相关。我们推导出一个二阶非线性最小二乘（NLS）估计（2NLS）,它对异方差具有鲁棒性,从而可控制对于离散或过离散数据经验性分析中经常出现的过离散和低离散问题。如果空间自相关存在,过离散数据分析就是一个例子。对于不同的分布假设,如或泊松分布或是负二项式分布的观测流或（空间）滤波组分,该估计量显示出令人满意的性能。在本文的空间自回归（SAR）模型设定中,参数估计结果可解释为隐含的全局影响效应,并可被定义为直接和间接的空间反馈效应之和。蒙特卡罗结果给出了参数估计中均值、标准差的临界有限样本偏差,且随样本量增大收敛于真正参数值。此外,本文基于欧洲地区专利引用的流数据进行了模型验证。     

Simple Scan Tests for Spatial Clustering on a Square Lattice

Many data sets collected for study areas consist of data values collected on a square lattice or for a set of pixels. Remotely sensed data provide perhaps the most common example. Frequently, we wish to know whether there are subregions of the study area that exhibit spatial clustering. In this article, we suggest how an approach for finding spatial clusters may be combined with the common practice of using 3‐by‐3 and 5‐by‐5 smoothing filters or kernels to construct two simple and easy‐to‐implement scan‐type tests. A simulation experiment shows that the power of these tests to find clusters compares favorably with an alternative test that is more complicated. The tests use simulated data, changes in a remotely sensed image for a study region in Texas, and data about wheat yields. Muchas bases de datos que se recopilan para una zona de estudio, consisten en valores recopilados en una retícula cuadrada o en un conjunto de pixeles. Los datos obtenidos por sensores remotos son quizá el ejemplo más común. Frecuentemente deseamos saber si existen subregiones de la zona de estudio que exhiban agrupamiento espacial. En este artículo, sugerimos cómo una aproximación para ubicar agrupamientos espaciales se puede combinar con la práctica común de usar filtros de suavizado (kernels) de 3‐por‐3 y 5‐por‐5 filtros, para construir dos test tipo scan, sencillos y fáciles de implementar. Un experimento de simulación demuestra que el poder de estas pruebas para ubicar agrupamientos, se compara favorablemente frente a otra prueba alternativa, que resulta más complicada. Las pruebas usan datos simulados, cambios en una imagen de satélite para un área de estudio en Texas, y con data acerca de los rendimientos de cultivos de trigo. 研究区收集的许多数据集是由基于方格网和像素采集的数据值组成的,遥感数据可能提供了最常见的范例。通常,我们希望了解研究区的子区域是否呈现空间集聚特征。本文提出了一种如何发现空间集聚的方法,可以与采用3*3和5*5平滑滤波或核函数的普通试验相结合,构造两个简单且易于操作的扫描试验。模拟实验结果显示,这些试验在寻找聚集特征的性能上优于更复杂的可替换性试验。文中所用的仿真模拟数据来源于德克萨斯州小麦产量的多时相遥感影像。     

A New Method of Adaptive Zoning for Spatial Interaction Models

Spatial interaction models commonly use discrete zones to represent locations. The computational requirements of the models normally arise with the square of the number of zones or worse. For computationally intensive models, such as land use–transport interaction models and activity‐based models for city regions, this dependency of zone size is a long‐standing problem that has not disappeared even with increasing computation speed in PCs—it still forces modelers to compromise on the spatial resolution and extent of model coverage as well as on the rigor and depth of model‐based analysis. This article introduces a new type of discrete zone system, with the objective of reducing the time for estimating and applying spatial interaction models while maintaining their accuracy. The premise of the new system is that the appropriate size of destination zones depends on the distance to their origin zone: at short distances, spatial accuracy is important and destination zones must be small; at longer distances, knowing the precise location becomes less important and zones can be larger. The new method defines a specific zone map for every origin zone; each origin zone becomes the focus of its own map, surrounded by small zones nearby and large zones farther away. We present the theoretical formulation of the new method and test it with a model of commuting in England. The results of the new method are equivalent to those of the conventional model, despite reducing the number of zone pairs by 96% and the computation time by 70%. Los modelos de interacción espacial suelen utilizar zonas discretas para representar áreas o puntos de interés. Los requisitos computacionales de estos modelos normalmente aumentan a razón del número de zonas elevadas al cuadrado o más. Para modelos computacionalmente intensivos como los modelos de interacción entre uso de suelo y transporte y los modelos basados en actividades para ciudades‐región, el impacto del tamaño de la zona es un problema persistente no superado aun. Esta limitación persiste a pesar de los grandes avances en la velocidad de procesamiento en computadoras, pues obliga a los modeladores a hacer concesiones entre la resolución espacial y la extensión que abarca el modelo, así como en el rigor y profundidad del análisis. En este artículo se presenta un nuevo tipo de sistema de zonas discretas que: a) tienen como objetivo reducir el tiempo de estimación de la aplicación de modelos de interacción espacial; y b) al mismo tiempo mantienen su nivel de precisión. La premisa que gobierna este nuevo sistema es que el tamaño apropiado de las zonas de destino depende de la distancia a su zona de origen: a distancias cortas, la precisión espacial es importante y las zonas de destino deben ser pequeño; a distancias mas largas, conocer la ubicación precisa es progresivamente menos importante y las zonas pueden ser mayores. El nuevo método define un mapa específico de zonas para cada zona de origen; cada zona de origen se convierte en el foco de su propio mapa, rodeada de zonas cercanas pequeñas y zonas grandes a mayor distancia. El estudio presenta la formulación teórica del nuevo método y su demostración vía un modelo de desplazamientos residencia‐trabajo en Inglaterra. Los resultados del nuevo método son equivalentes a las del modelo convencional, a pesar de reducir del número de pares de zonas en un 96% y el tiempo de cálculo en un 70%. 空间相互作用模型通常采用离散区域代表区位。模型的计算量往往与区域数量呈平方甚至更高阶增长。对于可计算的精细模型,如土地利用‐交通相互作用模型和基于行为的城市区域模型,区域尺度的依赖性是长期存在的问题,即使计算机的计算速度增加,该问题仍无法消除。因此,建模者需在模型空间分辨率和覆盖范围以及模型分析的严谨性和深度上做出权衡。本文介绍了一种新型的离散分区系统,目的在于减少空间相互作用模型估算和计算时间,同时维持其精度。新系统的前提是目标区域的适当尺度取决于与初始区域的距离：在短距离范围内,空间精确性是重要的,且目标区域必须是小的;在更远距离上,位置精度的重要性降低,目标区域可以变大。该方法为每个初始区域制定了具体的尺度地图。每个初始区域成为其自身地图的中心,被近邻的小区域和更远距离的大区域所包围。本文给出了新方法的理论公式,并以英格兰地区的通勤模型进行检验。结果显示,尽管区域对的数量减少了96%,计算时间缩短了70%,但新方法的计算结果等效于常规模型。     

Assessing Activity Pattern Similarity with Multidimensional Sequence Alignment Based on a Multiobjective Optimization Evolutionary Algorithm

Due to the complexity and multidimensional characteristics of human activities, assessing the similarity of human activity patterns and classifying individuals with similar patterns remains highly challenging. This article presents a new and unique methodology for evaluating the similarity among individual activity patterns. It conceptualizes multidimensional sequence alignment as a multiobjective optimization problem and solves this problem with an evolutionary algorithm (EA). The study utilizes sequence alignment to code multiple facets of human activities into multidimensional sequences and to treat similarity assessment as a multiobjective optimization problem that aims to minimize the alignment cost for all dimensions simultaneously. A multiobjective optimization evolutionary algorithm is used to generate a diverse set of optimal or near‐optimal alignment solutions. Evolutionary operators are specifically designed for this problem, and a local search method is also incorporated to improve the search ability of the algorithm. We demonstrate the effectiveness of our method by comparing it with a popular existing method called ClustalG using a set of 50 sequences. The results indicate that our method outperforms the existing method for most of our selected cases. The multiobjective EA presented in this article provides an effective approach for assessing activity pattern similarity and a foundation for identifying distinctive groups of individuals with similar activity patterns. Debido a la complejidad y el carácter multidimensional de las actividades humanas, la evaluación de la similitud de los patrones de la actividad humana y la clasificación de individuos con patrones similares sigue siendo una tarea muy difícil. Este artículo presenta una metodología novedosa y única para evaluar la similitud entre los patrones de actividad individual. Se conceptualiza el método de alineación de secuencias multidimensionales (Multidimensional Sequence Alignment‐MDSA) como un problema de optimización multiobjetivo y se resuelve mediante un algoritmo evolutivo (evolutionary algorithm‐EA). El estudio utiliza la alineación de secuencias para codificar múltiples facetas de las actividades humanas en secuencias multidimensionales y para tratar la evaluación de similitud como un problema de optimización multiobjetivo que tiene como objetivo reducir al mínimo el coste de alineación para todas las dimensiones simultáneamente . Los autores utilizan algoritmo evolutivo de optimización multiobjetivo (multiobjective optimization evolutionary algorithm‐MOEA) para generar un conjunto diverso de soluciones de alineación óptimas o casi óptimas. Los operadores evolutivos del algoritmo están diseñados específicamente para este problema, al cual se le incorpora un método de búsqueda local para mejorar su desempeño. Los autores demuestran la eficacia del método propuesto mediante su comparación al método existente ClustalG haciendo uso de un conjunto de 50 secuencias. Los resultados indican que el método propuesto supera a los métodos existentes para la mayoría de casos seleccionados. La EA multiobjetivo presentado en este artículo proporciona un método eficaz para evaluar similitudes del patrón de actividad y constituye un componente fundamental para la identificación de grupos distintivos de personas con patrones de actividad similares. 由于人类活动的复杂性和多维度特性,人类活动模式的相似性评估和基于相似模式的个体分类仍具有较高的挑战性。本文提出了一种新型的、独特的方法来评估个体活动模式的相似性。该研究利用序列比对将人类活动的多个方面编码成多维序列,并将活动模式相似性评估作为一个多目标优化问题,其目的是使所有维度的比对成本同时最低。多目标最优进化算法被用于生成一组不同的最优或接近最优的比对解决方案。为此特别设计了进化算子,并集成一种局部搜索方法提高了算法的整体搜索能力。为验证该方法的有效性,本文以50对序列作为实验,并与常用的ClustalG方法进行了对比。研究结果表明,该方法在多数选取案例中性能优于ClustalG方法。因此,本文提出的多目标进化（EA）算法为个体活动模式相似性评估提供了一种有效方法,也为具有相似活动模式个体中特定群体识别奠定了基础。