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。     

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。     

Weighted‐Average Least Squares Applied to Spatial Econometric Models: A Monte Carlo Investigation

Recently, model averaging techniques have been employed widely in empirical investigations as an alternative to the conventional model selection procedure, a procedure criticized because it disregards a major component of uncertainty, namely, uncertainty regarding the model itself, and, thus, it leads to the underestimation of uncertainty regarding the quantities of interest. Bayesian model averaging (BMA) is one of the most popular model averaging techniques. Some studies indicate that BMA has cumbersome aspects. One of the major practical issues of using BMA is its substantial computational burden, which obstructs the process of obtaining exact estimates. A simulation method, such as Markov chain Monte Carlo (MCMC), is required to resolve this problem. Weighted‐average least squares (WALS) estimation has been proposed as an alternative to BMA. The computational burden of WALS estimation is negligible; therefore, it does not require the MCMC method. Furthermore, WALS estimation has theoretical advantages over BMA estimation. This article presents two contributions to the WALS literature. First, it applies WALS to spatial lag/error models in order to consider spatial dependence. Second, it extends WALS in order to consider explicitly the problem of multicollinearity by employing the technique of principal component regression. The small sample properties of the estimators of the proposed models are examined using Monte Carlo experiments; the results of these experiments suggest that the standard WALS may produce biased estimates when the underlying data‐generating process is a spatial lag process. Results also indicate that when the correlation among the regressors is high, the standard WALS estimators may suffer from large variances and root mean squared errors. Both of these problems are significantly mitigated by using the proposed models. Las técnicas de promediado de modelos (model averaging) vienen siendo empleadas con creciente frecuencia en las investigaciones empíricas como una alternativa a los procedimientos convencionales de selección de modelos estadísticos. Dichos procedimientos convencionales han sido criticados por no tomar en cuenta un componente clave de la incertidumbre: la incertidumbre del modelo en sí, y por lo tanto, conducen a la subestimación de la incertidumbre en la cuantificación de las valores estimados. El promediado bayesiano de modelos (Bayesian Model Averaging‐BMA) es una de las técnicas de promediado más usadas. Algunos estudios indican que BMA tiene aspectos engorrosos: uno de los principales aspectos prácticos a considerar en su uso es su pesada carga computacional, la cual obstruye el proceso de obtención de estimaciones exactas. Esta limitación hace necesario el uso de métodos de simulación, como el de la cadena de Markov de Monte Carlo (Markov Chain Monte Carlo‐MCMC). La estimación de mínimos cuadrados usando un promediado ponderado (Weighted‐Average Least Squares‐WALS) ha sido propuesta como alternativa a BMA. La carga computacional de la estimación WALS es mínima y por lo tanto no requiere del uso de MCMC. Más aun, la estimación WALS posee ventajas teóricas sobre BMA. Este artículo presenta dos contribuciones a la literatura especializada de WALS. En primer lugar, aplica WALS a modelos espaciales tipo lag/error con el fin de incorporar la dependencia espacial. En segundo lugar, modifica el método WALS, a fin de considerar explícitamente el problema de la multicolinealidad entre variables mediante el empleo de la técnica de regresión de componentes principales (Principal Component Regression‐PCR). Luego los autores utilizan experimentos Monte Carlo para examinar las propiedades de tipo “muestra pequeña” (small simple) de los estimadores de los modelos propuestos. Los resultados de los experimentos sugieren que el método WALS estándar puede producir estimaciones sesgadas cuando el proceso generador de datos subyacente (Data Generating Process‐DGP) es un proceso de retardo espacial (Spatial Lag Process‐SLP). Los resultados también indican que cuando la correlación entre las variables es alta, los estimadores estándar de WALS pueden padecer de varianzas y errores cuadráticos medios (root mean squared errors‐RMSEs) atípicamente grandes. Ambos problemas son mitigados significativamente mediante el uso de los modelos propuestos en el presente artículo. 近来,模型平均技术作为与传统模型选择流程可替换的方法,在经验调查中得到广泛应用。传统的模型选择流程忽视了模型本身的不确定性,进而低估了感兴趣样本数量的不确定性而受到批评。贝叶斯模型平均技术(BMA)是最为流行的模型平均技术之一。但已有研究表明,BMA在某些方面较为繁琐复杂,一个最主要的问题是其巨大的计算负荷阻碍模型了精确估计的过程,因此需要利用马尔可夫‐蒙特卡洛(MCMC) 之类的模拟方法进行解决。加权平均最小二乘(WALS)估计可作为BMA的可替换方法,其优点在于计算负荷可以忽略不计,因此不需要采用MCMC方法解决计算负荷问题。此外,WALS估计相比于BMA估计在理论上有一定的优势。本文针对WALS的贡献有两点：将WALS应用于空间滞后/空间误差模型以考虑空间依赖性,并利用主成分回归(PCR)拓展WALS以明确考虑多重共线性问题。本文利用蒙特卡洛实验对所提模型估计的小样本特征进行测试,结果显示当潜在数据生成过程(DGP)是一个空间滞后过程时,标准WALS可能产生有偏估计;此外,当回归量的相关性较高时,标准WALS估计量可能有较大的方差和根均方差(RMSEs).而本文提出的加权平均最小二乘估计模型能很好地缓解这两个问题。     

Regional Coverage Maximization: A New Model to Account Implicitly for Complementary Coverage

Achieving the greatest coverage using limited resources has long been a concern for regional planners. Since the 1970s, a variety of models have been studied and relied upon. Finding ways to best represent geographical space remains a challenge to many researchers. Solutions suggested by models vary greatly with different space representation schemes. For example, in the past, points have been widely adopted to represent spatial demand for coverage. However, this simple abstraction of geographical space could bring about inaccuracies and uncertainties, and often compromises its solution quality. Considering that demand can be area based, which is beyond points, objects of different shapes have been proposed as an alternative for representation. With advances in geographic information systems (GISs), the new representation scheme using objects has recently received much attention. Compared with the straightforward point‐based abstraction, spatial object representation poses considerable challenges to both model formulation and computation capability. This article revisits model development for the problem of regional coverage maximization and proposes a new formulation where coverage of spatial demand is implicitly modeled. Model testing is conducted through an application to warning siren siting in Dublin, Ohio, which has been studied by other researchers. Results demonstrate the effectiveness of the new model when compared with the existing models. Uno de los objetivos comunes en la planificación regional es lograr la máxima cobertura de un servicio con recursos limitados. Desde la década de los 70s se vienen utilizado una serie de modelos conocidos. Sin embargo, la representación adecuada del espacio geográfico de dichos modelos sigue siendo un problemática para muchos investigadores. Las soluciones derivadas de los modelos varían considerablemente de acuerdo a los diferentes esquemas de representación utilizados. El uso de puntos por ejemplo, ha sido ampliamente utilizado en el pasado como esquema de representación espacial de la demanda a ser cubierta por el servicio. Sin embargo, esta simple abstracción del espacio geográfico puede provocar imprecisiones e incertidumbres que a menudo afectan la calidad de la solución matemática del modelo. En contraste, si la demanda se define como un área que abarca una extensión que va más allá de los puntos es posible proponer—como lo han hecho varios recientemente‐ el uso de objetos espaciales (de formas variadas) como una alternativa sensata de representación. Con los avances en los sistemas de información geográfica (SIG), este nuevo esquema de representación ‐que usa objetos especiales‐ han recibido considerable atención. En contraste con esquemas sencillos como el basado en puntos, la representación de objetos espaciales presenta varios desafíos en cuanto a la formulación y computación del modelo. El presente artículo reseña el desarrollo del modelamiento del problema de máxima cobertura regional (problem of regional coverage maximization) y propone una nueva formulación en la cual la cobertura de la demanda en el espacio es modelada de manera implícita. La evaluación del modelo se realiza a través de una aplicación que usa datos de la ubicación sirenas de alarma en Dublín, Ohio. Los resultados demuestran la eficacia del nuevo modelo en comparación con los modelos existentes. 利用有限资源实现最大覆盖一直广受区域规划者关注。自20世纪70年代以来,发展了大量针对这一问题的模型研究。寻找最佳的地理空间表达方式仍是研究者面临的一大挑战。不同模型对于不同的空间表达模式变化很大。比如过去空间覆盖需求多采用点集表达。然而,这种简单的地理空间抽象方法可能会引起不精确性和不确定性,通常也会导致解决方案质量下降。考虑到需求可能是基于区域而非基于点,不同形状的对象已经被当作空间表达可替代的方式。随着GIS技术的进步,基于对象空间表达的新方案近来备受关注。较之于直接基于点的空间抽象,空间对象表达在模型的形式化表达和计算性能上均面临相当大的挑战。本文回顾了区域最大覆盖问题模型研究的发展历程,提出了一个新的蕴含空间覆盖建模需求的模型。以曾被诸多学者研究过的俄亥俄州都柏林的报警器选址问题为例对模型进行检验,结果显示新模型较现有模型更为有效。     

Geographic Factors Affecting the Presence of Transhipment Services in Regional Maritime Container Markets

The presence of transhipment services in a region has previously been analyzed relative to ports and shippers with no consideration to the geographical factors of the sea basin serving the region. We hypothesize that attributes related to basin morphology also should be considered, as the processes involved in the maritime container freight market are comparable to processes in other transport markets. We show that transhipment services are relevant in those regions with closed sea basins. This article addresses the following issues: the traditional analytic methods used to determine, directly or indirectly, the presence of transhipment services; the role of transhipment in some geographic regions by estimating the rate of transhipment relative to throughput for each region; and the estimation of a statistical model that can determine the presence of transhipment by means of aggregate variables related to the morphology of a sea basin serving each region and to the socioeconomic characteristics of the region served. La presencia de servicios de transbordo en una región ha sido analizada en relación a los puertos y cargadores, sin considerar los factores geográficos de las cuencas marítimas al servicio de una región. Nuestra hipótesis es que los atributos relacionados a la morfología de las cuencas también deberían tomarse en cuenta, ya que los procesos involucrados en el mercado de contenedores de carga marítima son comparables a los procesos de otros mercados de transporte. Mostramos que los servicios de transbordo son relevantes en aquellas regiones con cuencas marítimas cerradas. El presente artículo aborda los siguientes temas: los métodos analíticos tradicionales generalmente usados para determinar, directa o indirectamente, la presencia de servicios de transbordo; el rol del transbordo en algunas regiones geográficas, a partir de la estimación de las tasas de transbordo relativas a su rendimiento (throughput) en cada región; y la estimación de un modelo estadístico que pueda determinar la presencia de transbordo a partir de variables agregadas relacionadas a la morfología de la cuenca marítima al servicio de cada región, y a las características socioeconómicas de cada región. 区域海运转运服务的分析已经将港口和航运商纳入研究范畴,但忽视了区域海洋盆地地理因素的影响。由于参与海运集装箱货运市场的过程与其他运输市场的过程具有可比性,因而本文认为和海盆形态有关的属性也应考虑在内。研究结果显示,转运服务与那些靠近海盆的区域具有相关性。本文将重点对以下问题进行阐述：过去经常用来直接或间接判断转运服务的传统分析方法;通过估计一个地区相对于自身吞吐量的转运率来判断部分地理区域在转运服务中的角色;通过区域海盆形态和社会经济属性相关的综合变量,构建能够判别转运服务的统计模型.     

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。     

Continuous‐Time Modeling with Spatial Dependence

(Spatial) panel data are routinely modeled in discrete time (DT). However, compelling arguments exist for continuous‐time (CT) modeling of (spatial) panel data. Particularly, most social processes evolve in CT, so that statistical analysis in DT is an oversimplification, gives an incomplete representation of reality, and may lead to misinterpretation of estimation results. The most compelling reason for a CT approach is that, in contrast to DT modeling, it allows adequate modeling of dynamic adjustment processes. This article introduces spatial dependence in a CT modeling framework. We propose a nonlinear structural equation model (SEM) with latent variables for estimation of the exact discrete model (EDM), which links CT model parameters to DT observations. The use of a SEM with latent variables enables a specification that accounts for measurement errors in the variables, leading to a reduction of attenuation bias (i.e., disattenuation). The SEM‐CT model with spatial dependence developed here is the first dynamic SEM with spatial dependence. A simple regional labor market model for Germany, comprising changes in unemployment and population as endogenous state variables, and changes in regional average wages and in the structure of the manufacturing sector as exogenous input variables, illustrates this spatial econometric SEM‐CT framework. El modelamiento de datos panel espaciales se realiza habitualmente utilizando una conceptualización del tiempo discreto (TD). Sin embargo, existen argumentos de peso para conceptualizar el tiempo de manera continua (TC). En concreto, la mayoría de procesos sociales se desarrolla en TC, por lo que el análisis estadístico en DT trae como consecuencia una simplificación excesiva de los procesos, da una representación incompleta de la realidad, y puede conducir a una interpretación errónea de los resultados de la estimación. La razón más convincente para el uso de un enfoque CT es que a diferencia de modelos DT, una conceptualización CT permite el modelado adecuado de los procesos de ajuste dinámico (dynamic adjustment). Este artículo incorpora la dependencia espacial en un marco de modelamiento con CT. Los autores proponen un modelo de ecuaciones estructurales no lineal (nonlinear structural equation model ‐SEM) con variables latentes para la estimación del modelo discreto exacto (exact discrete model‐EDM), que vincula los parámetros del modelo CT a las observaciones de DT. El uso de un SEM con variables latentes permite una especificación que da cuenta de los errores de medición en las variables, dando lugar a una reducción del sesgo de atenuación (es decir, “desatenuacion”). El modelo SEM‐CT con dependencia espacial desarrollado en el presente estudio es el primer SEM dinámico con dependencia espacial. Para ilustrar el marco conceptual SEM‐CT los autores presentan un modelo simple del mercado laboral regional de Alemania. El modelo está compuesto por los cambios en el desempleo y la población como variables endógenas de estado, y los cambios en los salarios regionales promedio y en la estructura del sector manufacturero como variables de entrada exógenas. （空间）面板数据通常基于离散时间（DT）进行建模。然而更令人信服的观点是基于连续时间（CT）进行（空间）面板数据建模。特别是多数社会过程均在连续时间中演化,基于离散时间的统计分析可能过度简化,使得对现实状况的表达不完备,并可能导致对估计结果的错误解释。相比于离散时间（DT）建模,连续时间（CT）建模最具说服力的原因在于在建模过程中允许足够多的动态调整。本文介绍了CT模型框架中的空间依赖性。把CT模型参数链接到DT观察值中,我们提出了用于估计精确离散模型（EDM）的包含潜变量的非线性结构方程模型（SEM）。包含潜在变量的SEM提供了变量测量误差的计算方案,使得衰减偏差（如反衰减性）减小。本文了提出的空间相关SEM‐CT模型是第一个动态空间相关的SEM模型,并以德国一个简单的区域劳动力市场模型为例,以失业和人口构成变化为内生状态变量,以区域平均工资和制造业结构部门变化为外生输入变量,阐述了该空间计量SEM‐ CT模型的框架。     

Assessing Quality of Spatial Models Using the Structural Similarity Index and Posterior Predictive Checks

Model assessment is one of the most important aspects of statistical analysis. In geographical analysis, models represent spatial processes, where variability in mapped output results from uncertainty in parameter estimates. Slight spatial misalignments can cause inflated error scores when comparing maps of observed and predicted variables using traditional error metrics at the level of individual spatial units. We conceptualize spatial model assessment as a continuous value map comparison problem and employ methods from image analysis to score model outputs. The structural similarity index, a measure that attempts to replicate the human visual system using a local region approach, is used as an exploratory map comparison statistic. The measure is implemented within a Bayesian spatial modeling framework as a discrepancy measure in a posterior predictive check of model fit. Results are reported for simulation studies representing a variety of spatial processes in a spatial and space–time context. A case study of rainfall mapping in Sri Lanka demonstrates the proposed methodology applied to assessment of Bayesian kriging interpolations. Both simulation studies as well as the case study demonstrate that the approach reveals hidden spatial structure not uncovered by traditional methods. The spatially sensitive assessment methodology provides a diagnostic tool to support spatial modeling and analysis. La evaluación de modelos es uno de los aspectos más importantes de análisis estadístico. En el análisis geográfico, los modelos representan procesos espaciales en los que la variabilidad en los outputs es el resultado de la incertidumbre en los parámetros estimados. Leves desajustes espaciales pueden inflar los valores de error en la comparación entre los mapas de las observaciones y los mapas de las predicciones de las variables si es que se usan medidas tradicionales de medición de error al nivel de unidades espaciales individuales. Los autores conceptualizan la evaluación de modelos espaciales como un problema de comparación mapas de valor continuo y emplea métodos de análisis de imágenes para cuantificar los resultados del modelo. Se utiliza el índice de similitud estructural (SSIM), una medida que intenta replicar el sistema visual humano utilizando un enfoque de región local, como técnica de exploratoria comparación estadística de mapas. El índice es implementado dentro de un marco de modelización espacial bayesiano como medida de discrepancia en la comprobación posterior de predicción del desempeño del modelo. Los resultados se presentan para varios casos de simulación que representan una serie de procesos espaciales en un contexto espacio‐temporal y espacial. Un estudio de caso de mapeo de lluvias en Sri Lanka sirve como demostración de la metodología propuesta y su aplicación a la evaluación de las interpolaciones tipo krigeage (kriging) bayesianas. Tanto los estudios de simulación, así como el estudio de caso demuestran que el enfoque propuesto revela la estructura espacial oculta no evidenciada por métodos tradicionales. La metodología de evaluación espacialmente sensible que se presenta en este artículo proporciona una herramienta de diagnóstico para apoyar la elaboración de modelos y análisis espacial. 模型评估是统计分析中最为重要的内容之一。在地理分析中用模型表达空间过程,参数估计的不确定性会导致地图输出结果的可变性。当采用传统误差指标度量,在个体空间单位水平上进行观测和预测变量的地图比较时,微小的空间错位就可能导致误差的倍增。为此,本文通过将空间模型评估指标概念化为一个连续值图比较问题,并利用图像分析方法来评定模型输出。一种尝试以局域方法仿制人类视觉系统的度量指标——结构相似指数(SSIM),被用作为探索性地图的比较统计量。在贝叶斯空间模型框架下实现其量算,并将其作为一个偏差度量应用于模型拟合的后预测校验。仿真研究的结果显示出空间及时空环境下多类空间过程。以斯里兰卡降雨过程图为案例,展示了上述方法对贝叶斯克里格插值的准确性评估。仿真研究与实证结果均证明本文提出的方法可揭示以往传统方法掩盖的空间结构特征,空间敏感性评价为本研究的空间建模和分析提供了一个诊断工具。     

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。     

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。.     

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。     

Geoadditive Models for Regional Count Data: An Application to Industrial Location

We propose a geoadditive negative binomial model (Geo‐NB‐GAM) for regional count data that allows us to address simultaneously some important methodological issues, such as spatial clustering, nonlinearities, and overdispersion. This model is applied to the study of location determinants of inward greenfield investments that occurred during 2003–2007 in 249 European regions. After presenting the data set and showing the presence of overdispersion and spatial clustering, we review the theoretical framework that motivates the choice of the location determinants included in the empirical model, and we highlight some reasons why the relationship between some of the covariates and the dependent variable might be nonlinear. The subsequent section first describes the solutions proposed by previous literature to tackle spatial clustering, nonlinearities, and overdispersion, and then presents the Geo‐NB‐GAM. The empirical analysis shows the good performance of Geo‐NB‐GAM. Notably, the inclusion of a geoadditive component (a smooth spatial trend surface) permits us to control for spatial unobserved heterogeneity that induces spatial clustering. Allowing for nonlinearities reveals, in keeping with theoretical predictions, that the positive effect of agglomeration economies fades as the density of economic activities reaches some threshold value. However, no matter how dense the economic activity becomes, our results suggest that congestion costs never overcome positive agglomeration externalities. Nuestra propuesta se basa en un modelo geoaditivo binomial (Geo‐NB‐GAM) para datos de recuento regionales (regional count data) que nos permitan abordar simultáneamente distintos temas metodológicos importantes como la concentración espacial (clustering), no linealidades y sobre‐dispersión. Este modelo es aplicado al estudio de determinantes de localización de nuevas inversiones de tipo greenfield internas (inward greenfield investments) que se dieron entre 2003 y 2007, en 249 regiones europeas. Luego de presentar el conjunto de datos y de mostrar la presencia de sobre‐dispersión y agrupación (concentración) espacial, examinamos el marco teórico que motiva los determinantes de localización incluidos en el modelo empírico, y resaltamos algunas de las razones por las que las relaciones entre ciertas co‐variables y la variable dependiente podrían ser no lineales. La sección subsiguiente comienza con descripción de las soluciones propuestas por la literatura anterior para abordar la concentración espacial, no linealidades, y sobre‐dispersión, para luego presentar el Geo‐NB‐GAM. El análisis empírico muestra el buen desempeño del Geo‐NB‐GAM. Particularmente, la inclusión del componente geo‐aditivo (una superficie de tendencia espacial suavizada) nos permite controlar heterogeneidades espaciales no observadas que inducen a la concentración espacial. Al permitir no linealidades se revela ‐continuando con las predicciones teóricas‐ que el efecto positivo de las economías de aglomeración se desvanece a medida que la densidad de las actividades económicas alcanza un umbral de valor. Sin embargo, sin importar cuán densa llegue a ser la actividad económica, nuestros resultados sugieren que los costes de congestión nunca superan las externalidades de aglomeración positivas. 本文提出了一种应用于区域统计数据的负二项式地理加性模型,它能够同时处理包括空间聚类、非线性和过度离散等多种重要的方法论问题。将该模型应用于2003‐2007年的249个欧洲案例区,探讨其内部绿地投资的区位因子。在揭示了数据集样本分布具有过度离散与空间聚类特征后,我们对所构建的关于区位驱动因子的实证模型进行了核查,以确定是否遗漏重要变量,并高亮显示为何有些变量与因变量的关系可能是非线性的。本文后续部分首先描述了已有文献在解决空间聚类、非线性与过度离散等情景下的解决方案,并简要介绍了本文的Geo‐NB‐GAM模型。实证分析表明,该模型具有良好的模拟效果,尤其是地理加性成分（一种平滑的空间趋势面）在处理包括空间聚类在内的未被关注的空间异质性。非线性模型揭示出集聚经济的正向效应,随着经济活动密度阈值呈衰减趋势,这一点和理论预测是一致的。然而,本文结果显示无论经济活动的密度呈现何种变化,正向集聚的外部效应仍大于拥挤成本。.     

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。     

Developing Spatial Weight Matrices for Incorporation into Multiple Linear Regression Models: An Example Using Grizzly Bear Body Size and Environmental Predictor Variables

In this study, we develop spatial autoregressive (SAR) models relating grizzly bear body length to environmental predictor variables in the Alberta Rocky Mountains. We examine the ability of several different spatial neighborhoods to model spatial dependence and compare the estimated parameters and residuals from a standard linear regression model (LRM) with those from three types of SAR models: error, lag, and Durbin. Further, we examine variable selection in the presence of negative dependence by repeating the modeling process using a SAR model. Two findings are that significant negative spatial dependence was present in the residuals of the LRM and that the choice of spatial neighborhood greatly affects the ability to detect spatial dependence. The incorporation of appropriate spatial weights into SAR models improves the fit and increases the significance of the parameter estimates vis‐à‐vis the linear model. The results of this study indicate that negative dependence may not have as severe negative effects on variable selection and parameter estimation as positive dependence. An examination of spatial dependence in regression modeling appears to be an important means of exploring the appropriateness of a sampling framework, predictor variables, and model form. En este estudio desarrollamos modelos espaciales autorregresivos (SAR) que vinculan la longitud del cuerpo de osos grizzli con variables predictivas ambientales en las montañas rocosas de Alberta, Canadá. Examinamos la capacidad de varias vecindades espaciales para modelar la dependencia espacial y la comparación de los parámetros estimados, así como los residuos de un modelo de regresión lineal estándar (LRM) versus tres tipos de modelos SAR: error, retraso (lag) y Durbin. Además, se examina la selección de variables en la presencia de dependencia negativa mediante la repetición del proceso de modelado con un modelo de SAR. El estudio concluye que: 1) existe dependencia espacial negativa significativa en los residuos de la LRM y; 2) la selección de la vecindad espacial afecta en gran medida la capacidad de detectar la dependencia espacial. La incorporación de ponderaciones espaciales correspondientes a los modelos SAR mejora el ajuste y aumenta la importancia de los parámetros estimados versus el modelo lineal. Los resultados de este estudio indican que la dependencia negativa puede no tener los graves efectos negativos en la selección de variables y la estimación de parámetros si se comparan dichos efectos con = la dependencia positiva. Los autores recomiendan un examen de la dependencia espacial en modelos de regresión como medio importante para explorar la conveniencia de un marco de muestreo, de variables de predicción, y de la forma del modelo. 本文构建了阿尔伯达省落基山脉地区的灰熊体态大小与环境预测变量之间的空间自回归模型（SAR）,检验了几种以不同空间邻域矩阵拟合变量的空间相关性,并比较了标准回归模型(LRM)与几种不同类型的SAR模型（空间残差模型、空间滞后模型和空间杜宾模型）的估计参数和残差大小。进而利用一种SAR模型重复模拟过程,进一步测试变量选择对负相关性存在的影响。研究表明,显著的空间负相关存在于LRM的残差中,且空间邻域权重的选择很大程度上影响模型空间相关性的探测能力。将适当的空间权重引入SAR模型中可提高拟合精度,增加相对于线性模型参数估计的显著性。研究结果表明,负相关性在变量选择和参数估计上严重负影响的程度不如正相关性强。回归模型中空间相关性检验似乎是采样结构、预测变量和模型形式适用性分析的一个重要途径。     

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。     

Evaluating Polygon Overlay to Support Spatial Optimization Coverage Modeling

Minimizing costs and maximizing coverage are important goals in many planning contexts. These goals often necessitate an abstraction of a continuous demand region, resulting in potential errors when applying traditional coverage models. To reduce coverage errors caused by spatial abstraction, a number of spatial representation schemes have been proposed and applied. A new representation scheme using polygon overlay recently received much attention because potentially it can eliminate representation errors in coverage modeling. However, this overlay‐based approach is computationally challenging in terms of both the generation of demand units and the complexity of the resulting coverage model. This article investigates the operational and computational challenges of polygon overlay for delineating continuous demand in coverage models, an issue that has yet to be fully explored. We present a theoretical evaluation of the computational complexity associated with representation using polygon overlay in coverage modeling. Evaluations of two study regions provide empirical support for the computational complexity analysis. The analysis results provide insight regarding expected problem size and computational requirements if polygon overlay is relied upon to delineate demand unit boundaries in coverage modeling. La minimización de costos y la maximización de la cobertura espacial son objetivos importantes en muchos contextos de planificación. Estas metas a menudo requieren una abstracción de una región continua de demanda , dando lugar a posibles errores en la aplicación de modelos de cobertura tradicionales. Para reducir los errores de cobertura provocadas por la abstracción, la comunidad académica ha propuesto y aplicado una serie de esquemas de representación espacial. Recientemente un nuevo esquema de representación que utiliza la superposición de polígonos ha recibido mucha atención porque potencialmente puede eliminar los errores de representación en el modelado de la cobertura. Sin embargo, este enfoque es computacionalmente difícil, tanto en términos de la generación de unidades de demanda, como en la complejidad del modelo de cobertura resultante. Este artículo investiga los retos operacionales y de cómputo de la superposición de polígonos para delinear la región continua de demanda en los modelos de cobertura, un problema que aún no se ha explorado a fondo. Se presenta una evaluación teórica de la complejidad computacional asociada a la representación mediante superposición de polígonos en el modelado de cobertura espacial. Se presentan evaluaciones de dos regiones de estudio como apoyo empírico para el análisis de la complejidad computacional. Los resultados del análisis proporcionan información sobre el tamaño del problema esperado y los requerimientos computacionales en los casos en que el método de superposición de polígonos es usado para delinear límites de la región de demanda para el modelado de cobertura espacial 最小成本和最大区域覆盖是许多规划情境研究中的重要目标。实现这些目标通常需要对连续需求区域进行抽象,而这又会导致在应用传统覆盖模型时出现潜在误差。为减小由空间抽象引起的覆盖误差,已提出了一系列空间表达方案并得到应用。一种新型的利用多边形覆盖的表达方案,因其或可消除覆盖建模过程的表达误差,近来得到较多的关注。然而,这种基于覆盖的方法在需求单元生成与覆盖模型结果复杂性等方面面临着计算挑战。本文提出了一种在覆盖建模中采用多边形叠加表征的计算复杂度的理论评估方法。两个研究区域的评估为计算复杂度分析提供了经验支撑,如果在覆盖建模中多边形叠加依赖于描述需求单元边界时,该分析结果有助于深入考察预期问题规模大小及计算需求。     

Spatial and Scale‐Dependent Controls on North American Pan‐Arctic Minimum River Discharge

Spatial patterns of minimum monthly river discharge in the North American Pan‐Arctic and its potential controls are explored with geographically weighted regression (GWR). Minimum discharge is indicative of soil water conditions; therefore, understanding spatial variability of its controls may provide insights into patterns of hydrologic change. Here, GWR models are applied to determine a suitable combination of independent variables selected from a set of eight variables. A model specification with annual mean river discharge, temperature at time of minimum discharge, and biome describes well the spatial patterns in minimum discharge. However, minimum discharge in larger watersheds is influenced more by temperature and biome distributions than it is in small basins, suggesting that scale is critical for understanding minimum river discharge. This study is the first to apply GWR to explore spatial variation in Pan‐Arctic hydrology. Factores de control espaciales y dependientes de escala en las descargas fluviales mínimas de ríos Pan‐Articos en Norteamérica. El artículo explora los patrones espaciales de caudales fluviales mínimos mensuales la región pan‐ártica de Norteamérica y sus posibles factores de control haciendo uso de una regresión ponderada geográficamente (geographically weigted regression‐GWR). Los caudales mínimos son indicadores de las condiciones del agua en el suelo, y por lo tanto el entendimiento de la variabilidad espacial de los factores que los controlan puede ayudar a comprender los patrones de cambio hidrológico. En el presente estudio, varios modelos de tipo GWR son aplicados para determinar una combinación adecuada de variables independientes seleccionadas a partir de un conjunto de ocho variables. El modelo que utiliza la media anual media de descarga fluvial, la temperatura en el momento de caudal mínimo, y el bioma, proporciona una buena descripción de los patrones espaciales en la descarga mínima. Sin embargo, en las cuencas hidrográficas grandes, la descarga mínima está más influenciada por la temperatura y la distribución de los biomas que en el caso de cuencas más pequeñas, lo que sugiere que la escala es fundamental para entender la descarga mínima fluvial. Este estudio es el primero en aplicar GWR para comprender la variación espacial en la hidrología de la región pan‐ártica. 基于GWR（地理加权回归模型）对北美泛北极地区月份最小河流流量的空间模式和潜在控制进行研究。最小流量暗示水土条件;因此,理解空间分异及控制可深刻理解水文变化的模式。GWR可从8个变量中提取一组独立变量的适当组合。通过年均河流流量、最小流量时的温度和生物群落,来描述最小下泄流量的空间格局。在大范围流域中,最小流量受到温度和生物群落分布的影响大于在小规模的流域,揭示出在河流最小流量分析中尺度是非常重要的。本文首次将GWR应用于泛北极水文空间异质性分析。     

A Dynamic Spatial Weight Matrix and Localized Space–Time Autoregressive Integrated Moving Average for Network Modeling

Various statistical model specifications for describing spatiotemporal processes have been proposed over the years, including the space–time autoregressive integrated moving average (STARIMA) and its various extensions. These model specifications assume that the correlation in data can be adequately described by parameters that are globally fixed spatially and/or temporally. They are inadequate for cases in which the correlations among data are dynamic and heterogeneous, such as network data. The aim of this article is to describe autocorrelation in network data with a dynamic spatial weight matrix and a localized STARIMA model that captures the autocorrelation locally (heterogeneity) and dynamically (nonstationarity). The specification is tested with traffic data collected for central London. The result shows that the performance of estimation and prediction is improved compared with standard STARIMA models that are widely used for space–time modeling. En los últimos años, se han propuesto diversas especificaciones de modelado estadístico para describir procesos espacio‐temporales. Esto incluye el modelo espacio‐temporal autorregresivo integrado de media móvil (STARIMA) y sus varios derivados. Estas especificaciones de modelo asumen que la correlación de los datos puede ser adecuadamente descrita por parámetros que se fijan a nivel global en el espacio y/o tiempo. Dichos parámetros son inadecuados para los casos en los que las correlaciones entre los datos son dinámicas y heterogéneas, como en el contexto de los datos de la red. El objetivo de este artículo es describir la autocorrelación en los datos de red con una matriz de ponderación espacial dinámica y un modelo STARIMA localizado (LSTARIMA) que captura la autocorrelación local (heterogeneidad) de forma dinámica (no estacionariedad). La especificación del modelo es evaluada con datos de tráfico recolectados en el centro de Londres. Los resultados demuestran que los rendimientos de estimación y predicción mejoran con el método propuesto en comparación con los modelos STARIMA estándar que son ampliamente utilizados para el modelado de espacio‐temporal. 通过设定多种统计模型来描述地理时空过程已提出多年,包括时空自回归移动平均(STARIMA)及其变形。此类模型通过假设数据相关性可由在时间域或者空间域上全局不变的参数加以充分描述。因此,上述模型不适用于具有动态或异质相关性的数据,如网络数据。本文试图采用一个动态空间权重矩阵与局部时空自回归移动平均(LSTARIMA)模型来描述数据的自相关程度,以此捕捉局域自相关(异质性)和动态自相关(非平稳性)。以伦敦市中心的交通数据作为模型的实证案例的测试结果显示,相对于广泛应用于时空过程分析的标准STARIMA模型,本文的模型在参数估计和预测性能上均有提升。     

Investigating the Periodicities of Step‐Pool Sequences in Alluvial Mountain Streams

Step‐pool mountain streams contain a rhythmic structure that can be characterized by the periodicity, commonly determined using spectral analysis. However, this analysis often requires data series recorded at equal intervals and exhibiting stationary patterns. Previous methods of transforming the original step‐pool sequence into this required format have not been rigorously tested and consequently may generate misleading periodicity results. To this end, we apply both spectral analysis and autoregressive integrated moving average (ARIMA) modeling, a parsimonious stochastic approach to 11 alluvial mountain step‐pool streams for identifying their periodicities. We interpolate the original sequences into those with four different equal‐space intervals, 0.1 m, 0.2 m, 0.3 m, and 0.4 m, and demonstrate that the differencing detrending method is statistically more effective to transform the sequences into stationary ones than the commonly used linear detrending method. Subsequently, we identify periodicities of these sequences using the two approaches and determine the degree of stability for these periodicities for each original step‐pool sequence using R ² values obtained by least squares linear regression between the log‐transformed identified periods and the associated equal‐space intervals. Eight out of 11 step‐pool sequences have relatively stable periodicities (R ² ≥ 0.79) when the spectral analysis approach is used, while those identified using the ARIMA modeling approach are much less stable. Further comparison of periodicities identified using both approaches suggests that periodicities of step‐pool sequences are inherently unstable and hence cannot be appropriately determined based on a single equal‐space interval. A general procedure for identifying the periodicity of a step‐pool sequence using spectral analysis with the differencing detrending method and multiple equal‐space intervals is proposed. The identified periodicities might serve as an independent morphologic index to infer hydraulic processes controlling the formation of the alluvial step‐pools because they are significantly related to spill resistance of the alluvial step‐pools. Investigando las periodicidades de formación de escalones (step‐pools) en corrientes aluviales de montaña Las corrientes en forma de escalones (step‐pools) contienen una estructura rítmica que puede ser caracterizada por su periodicidad, determinada comúnmente usando análisis espectral. Sin embargo, este análisis requiere muchas veces de series de información recogidas a intervalos iguales y que tengan patrones estacionarios establecidos. Métodos precisos para transformar la secuencia original de step‐pools en este formato no han sido rigurosamente probados y consecuentemente pueden generar resultados de periodicidad que pueden ser interpretados erróneamente. Para este fin, los autores utilizan tanto un análisis espectral como un modelo autorregresivo integrado de media móvil (autoregressive integrated moving average ‐ ARIMA) en una aproximación estocástica parsimoniosa (parsimonic stochastic approach) a 11 step‐pools de corrientes de montaña para identificar sus periodicidades. Los autores interpolaron las secuencias originales a dichas corrientes con 4 zonas de igual área con diferentes intervalos: 0.1 m, 0.2 m, 0.3 m., 0.4 m y comprobaron que el método de diferenciación que elimina la tendencia (differencing detrending method) es estadísticamente más efectivo para transformar las secuencias en estacionarias que el comúnmente utilizado método que elimina la tendencia linear. Subsecuentemente, se identificaron periodicidades de secuencias utilizando estas dos aproximaciones y se determinó el grado de estabilidad para estas dos periodicidades para cada secuencia original de los step‐pools usando valores R² obtenidos por una regresión linear mínimo‐cuadrado (Ordinary Least Squares–OLS) entre los periodos identificados vía transformación logarítmica y los intervalos asociados de igual área. 8 de las 11 secuencias de step‐pools analizados tuvieron periodicidades relativamente estables (R2 ≥ 0.79), mientras que aquellas utilizando la aproximación ARIMA resultaron mucho menos estables. Comparación adicionales de las periodicidades identificadas usando ambas aproximaciones sugiere que las periodicidades de las secuencias de step‐pools usando análisis espectral son inherentemente inestables y en consecuencia no pueden ser determinadas apropiadamente basadas en un solo intervalo en zonas de igual área. Se propone así un procedimiento general para establecer la periodicidad de la secuencia de step‐pools usando el análisis espectral junto con el differencing detrending method que elimina la tendencia y múltiples intervalos en zonas de igual área. Las periodicidades identificadas podrían servir como índice morfológico independiente para inferir procesos hidráulicos controlando la formación de step‐pools aluviales, dado que está significativamente relacionado a la resistencia al derrame de dichos step‐pools 阶梯‐深潭山涧包含的韵律结构具有周期性特征,一般通过谱分析的方法探测。然而,这种分析方法通常要求数据序列记录在每个间隔上具有平稳性。由于先前方法对序列的转化没有严格要求平稳性检验,因而可能导致序列结果的误解。为此,本文融合谱分析和移动平均自回归模型（ARIMA）,通过随机简化路径方法对11个冲积山流域阶梯‐深潭山涧序列周期进行判别。主要采用0.1m,0.2m,0.3m,0.4m四种不同等间距对原始序列进行插值,分析表明这个差分校正方法对于序列平稳性的变换比常用线性校正方法在统计上更为有效。因此,对每一原始序列在对数变换的时间和相关等空间间距之间通过最小二乘回归获得R²值,并采取两种方法判别序列周期以确定其稳定度。谱分析方法测试得11个中的8个序列具有相对稳定的周期(R² ≥ 0.79),而采用ARIMA模型进行判别则平稳周期序列数目少得多。通过融合两种方法对序列判别以进一步形成对照,分析表明序列周期存在内部不稳定性,因此不能基于单一的空间间隔来确定周期。从而,本文提出采用谱分析对序列差分校正方法结合多空间间隔的一般方法对序列周期性进行识别。该周期识别方法可作为一个独立形态指数对控制冲积阶梯‐深潭形成的水力过程作出推断,因为该指数与冲积阶梯‐深潭稳定性的表达具有显著相关性。