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。     

Do Spatial Interdependencies Matter in Italian Regional Specialization?

This article summarizes and evaluates the effects of spatial interdependencies in Italian regional specialization over the period 1995–2006. First, we perform an exploratory spatial data analysis (ESDA), and then we estimate a spatial panel data model built according to the new economic geography theory. ESDA reveals positive spatial interdependence overall and detects hot spots in the north and cold spots in the south for all sectors, but agriculture shows the reverse. Similarly, an econometric investigation furnishes evidence of the presence of spillover effects, implying that the determinants of the specialization of a region influence its neighbors' specialization. Este artículo resume y evalúa los efectos de las interdependencias espaciales en la especialización regional italiana durante el período 1995–2006. En primer lugar, se realiza un análisis exploratorio de datos espaciales (Exploratory Spatial Data Analysis‐ESDA), y luego se estima un modelo de datos de panel espacial construido de acuerdo a la teoría de la nueva geografía económica (New Economic Geography‐NEG). ESDA revela la interdependencia espacial positiva global en los datos y detecta zonas de concentración de incidencia alta (hot spots) en los el norte y zonas concentración de incidencia baja o nula (cold spots) en el sur para todos los sectores económicos excepto el caso de la agricultura. Del mismo modo el estudio realiza un análisis econométrico que demuestra la presencia de efectos de desbordamiento espacial (spillovers), lo cual implica que los factores determinantes de la especialización de una región influyen en la especialización de sus vecinos. 本文对1995‐2006年间意大利区域专业化的空间依赖性效果进行了总结和评价。首先进行了探索性空间数据分析（ESDA）,然后对根据新经济地理理论构建的一种空间面板数据模型进行了评价。ESDA揭示了全局的正向空间相互依赖性及北部热点区和南部冷点区的分布特征,但农业的分布特征却相反。同样地,一项计量经济调查提供了溢出效应存在的证据,同时表明了区域专业化的决定因素影响其邻近区域的专业化。     

Spatial Distribution of Trees and Landscapes of the Past: A Mixed Spatially Correlated Multinomial Logit Model Approach for the Analysis of the Public Land Survey Data

Public Land Survey (PLS) data have been widely used in landscape studies of forest and woodlands in the pre‐ and early‐European‐settled Midwestern and Western United States. We aim to reconstruct presettlement forest vegetation at a finer spatial resolution than available from the PLS data using environmental covariates (slope, aspect, geology, and soil type) and the spatially correlated structure of witness tree data. To accommodate various data obtained from multiple sources while explicitly taking into account their spatial structures, we adopt a mixed spatially correlated multinomial logit model within the framework of a generalized linear mixed model. The application of the proposed model is illustrated using the three most abundant tree taxa from PLS data in the Arbuckle Mountains of south‐central Oklahoma. To assess the influence of each source of information on the spatial prediction, we considered four variant multinomial/spatial models and evaluated their relative predictive power using a validation technique. The probabilistic information about the spatial distribution of tree species obtained from different models reveals the need to integrate information about witness tree data as well as environmental covariates, and the nature of tree species; that is, a tendency to cluster in space to share environmental conditions in the reconstruction of the presettlement forest vegetation surface. Los datos sobre el uso y cobertura de tierras del Public Land Survey (PLS) han sido utilizados ampliamente en estudios de paisaje de bosques y de bosques históricos para periodo previo al asentamiento de migrantes europeos en el medio oeste y oeste de los Estados Unidos. Nuestro objetivo es reconstruir la vegetación forestal previa al asentamiento europeo a una resolución espacial más fina que la disponible actualmente en base a datos del PLS, usando covariables ambientales (pendiente, orientación, geología y tipo de suelo) y la estructura de correlación espacial de los datos de los árboles testigos. Para dar cabida a los diversos datos obtenidos de fuentes múltiples, y a la vez teniendo en cuenta explícitamente sus estructuras espaciales, adoptamos un modelo logit multinomial espacial mixto dentro del marco de los modelos mixtos lineales generalizados (GLMM). La aplicación del modelo propuesto es ilustrada con los tres tipos más abundantes de árboles según los datos del PLS para las montañas de Arbuckle en el centro‐sur de Oklahoma, EEUU. Para evaluar la influencia de cada fuente de información sobre la predicción espacial, se consideraron cuatro variantes de los modelos multinomial y espaciales. El poder predictivo de dichos modelos fue evaluado en relación con una técnica de validación. La información probabilística acerca de la distribución espacial de las especies de árboles obtenidos a partir de los diferentes modelos revela que para la reconstrucción de la superficie de la vegetación forestal histórica, es necesario integrar la información sobre los datos de árboles testigos así como las covariables ambientales y la naturaleza de las especies de árboles: es decir, la tendencia de los arboles a agruparse en el espacio para compartir las mismas condiciones ambientales. 公共土地调查(PLS)数据在欧洲人定居美国中西部和西部地区之前以及早期的森林和林地景观研究中得到广泛应用。本文旨在利用环境协变量（坡度、坡向、地貌和土地类型）证据树数据的空间关联结构,重建比PLS数据中更有效的更精细空间分辨率的前殖民期森林植被。为集成多种来源的各类数据,并明确地考虑数据间的空间结构,本文在广义线性混合模型(GLMM)框架下提出了混合空间关联多项Logit模型。以俄克拉荷马州中南部的阿尔布克尔山脉为研究区,提取PLS数据中三种最丰富的树种对模型进行验证。为估计每种信息来源对模型空间预测准确性的影响,本文考虑了4种变异的多项/空间模型并运用验证技术评估它们的相对预测能力。从不同模型获得的树种空间分布的概率信息表明,需要对证据树数据、环境协变量和树种自然属性信息进行集成,也就是说,在重建前殖民期森林植被曲面时,空间上的集聚趋势共享了环境条件。     

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。     

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 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。     

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 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。     

The Spatial Extent of Criminogenic Places: A Changepoint Regression of Violence around Bars

Crime scientists have long known that crime clusters near certain places such as drinking establishments, although the spatial parameters of that clustering are less established. This article proposes a methodology to estimate a distance beyond which there is significantly less evidence of a correlation between locations and concentrations of crime. The technique uses changepoints derived from a segmented regression applied to spatial buffers emanating from around particular crime‐generating land uses. Geographic information system techniques are used to create a series of buffers to determine the density of crime around sites. A changepoint Poisson regression of the buffer midpoints is used to estimate the distance beyond which crime densities do not appear to decline significantly with increasing distance. A case study of violent crime around 1,282 bars in Philadelphia, Pennsylvania, for 2008 reveals that violence is highly clustered within 25.9 m (85 feet) then dissipates rapidly, a pattern that is not replicated using control sites (fire stations). This is an estimate of the spatial extent of violence around bars, and the technique could be used to estimate the extent of other crimes around a variety of crime‐generating locations. Expertos en el estudio del crimen saben desde hace tiempo que los delitos violentos se concentran cerca de algunos lugares tales como establecimientos de bebidas, aunque los parámetros espaciales de dichas aglomeraciones son menos conocidos. Este artículo propone una metodología para estimar la distancia máxima a partir de la cual hay significativamente menos evidencia de una correlación entre puntos de interés y las aglomeraciones de crimen. La técnica empleada utiliza puntos de cambio (changepoints) derivados de una regresión segmentada (segmented regression) aplicada a las zonas de amortiguamiento (buffers) generadas en torno a usos del suelo particulares asociados a delincuencia. Técnicas SIG (Sistema de Información Geográfica) son utilizadas para crear una serie de buffers y determinar la densidad de delitos en torno a la ubicación de cada establecimiento (bar). Una regresión Poisson de tipo changepoint de los puntos medios de los buffers es empleada para estimar la distancia a partir de la cual las densidades del crimen no disminuyen significativamente con la distancia. Un estudio de caso de los delitos violentos en torno a 1.282 bares en Filadelfia, Pennsylvania en 2008 revela que la violencia está muy concentrada dentro de un radio de 25.9 m (85 pies) y luego se disipa rápidamente, un patrón que no se replica cuando el análisis es aplicado a sitios de control (estaciones de bomberos). El resultado es una estimación de la extensión espacial de la violencia alrededor de bares y la conclusión que la técnica podría ser utilizada para estimar la extensión de otros delitos en torno a una gran variedad de lugares asociados con la generación de la delincuencia. 犯罪学家早已明晰犯罪集聚于某些特定区域（如酒吧）的周围,尽管较少地构建这类聚集的空间参数。本文提出了一种方法可估算在一定距离之外,区位与犯罪集聚程度间相关性呈显著减少的证据。将从分段回归中获得的变异点应用于犯罪发生地的空间缓冲区。地理信息系统（GIS）技术用于产生一系列缓冲区以确定地点周围的犯罪密度。缓冲区中点的变异点泊松回归用于估算超出犯罪密度区不呈现随距离增加而显著衰退的距离。本文以宾夕法尼亚州费城1282个酒吧周围暴力犯罪为案例进行研究,揭示出2008年暴力犯罪集聚于25.9m的范围内,并在该距离之外的迅速消失,而当控制点选为消防站时该格局不再出现。实验表明,这是一种估算酒吧暴力犯罪空间范围的方法,并且该技术可用于估算不同类型犯罪产生地的距离范围。     

Analyzing Space–Time Crime Incidents Using Eigenvector Spatial Filtering: An Application to Vehicle Burglary

Poisson models generally are utilized in analyzing spatial patterns of crime count data. When spatial autocorrelation is present, these models are extended to account for it. Among various methods, eigenvector spatial filtering (ESF) furnishes an efficient means of analysis. However, because space–time crime data have temporal components as well as spatial components, Poisson models need to be further adjusted to reflect the two types of components simultaneously. This article discusses how the ESF method can be utilized to model space–time crime data, extending the generalized linear mixed model specification for it. This approach is illustrated with an application to space–time vehicle burglary incidents in the city of Plano, Texas, during 2004–2009. Los modelos de Poisson generalmente se utilizan en el análisis de los patrones espaciales de los datos de recuento de crimen. Cuando hay autocorrelación espacial, estos modelos son modificados para dar cuenta de ello. Entre los diversos métodos existentes, el método Eigenvector (autovector, vector propio) de filtrado espacial (Eigenvector Spatial Filtering‐ESF) proporciona un medio eficaz para dicho análisis. Sin embargo, dado que los datos de criminalidad espacio‐temporales tienen tanto componentes temporales como espaciales, los modelos tipo Poisson requieren de un ajuste adicional para reflejar ambos tipos de componentes de manera simultánea. El artículo presente expone cómo el método ESF puede ser utilizado para modelar datos espacio‐temporales sobre delitos mediante la modificación del modelo mixto lineal generalizado (Generalized Linear Mixed Model‐GLMM). El procedimiento propuesto se ilustra con el caso de incidentes espacio‐temporales de robos de vehículos en la ciudad de Plano, Texas, durante 2004–2009. 泊松模型一般用于犯罪计数数据的空间模式分析中,当空间自相关关系呈现时,这类模型可扩展以解释潜在的分布特征。在各种模型中,特征向量空间滤波（ESF）提供了一种有效的分析方法。然而,由于时空犯罪数据包含时间和空间组分,因此泊松模型需要进一步调整以同时反映这两种不同类型的数据。本文讨论了如何利用特征向量空间滤波(ESF)模型对时空犯罪数据进行建模,并采用扩展广义线性混合模型(GLMM)进行规范。最后,以德克萨斯州普莱诺市2004‐2009年的车辆盗窃案数据进行了实证验证。     

Correlating Vegetation,Water Use,and Surface Temperature in a Semiarid City: A Multiscale Analysis of the Impacts of Irrigation by Single‐Family Residences

Urban heat islands (UHIs) and the vegetation that mitigates them vary across space and time, but little research has investigated this coupled natural–human system using both spatial and temporal analyses. Focusing on semiarid, water‐scarce Tucson, Arizona, we examined whether outdoor water use by residents of single‐family homes (a practice that uses close to half of residential water supplies) contributes to urban “greenness” and the mitigation of UHI effects. Specifically, we investigated how different types of residential development mediate vegetation–water use–temperature interactions. Our data sets include Landsat‐derived normalized difference vegetation index (NDVI) and surface temperatures, parcel‐level zoning and assessor data, and residential water use records at the quarter section level (0.63 km²). We analyzed these data at multiple spatial and temporal scales. Spatial analysis results demonstrate that cooling from vegetative evapotranspiration is mediated by development factors as well as by topography and wind patterns. Findings also suggest that outdoor water use aside from irrigation, particularly the use of swimming pools, promotes cooling without elevating the NDVI. Temporal analysis reveal that most residential areas maintained or increased greenness despite declining 1995–2008 water use due most likely to long‐term regional climate cycles. Only high‐density developments with little undeveloped ground cover and few natural drainage channels exhibit a strong relationship between household water use and NDVI trends. These results suggest that the preservation of natural drainage channels and limitation of impervious surfaces, as well as the siting of development in naturally cooled microclimates, may be sustainable strategies for UHI mitigation in water‐scarce regions. Análisis multi‐escalar de los impactos de riego en residencias unifamiliares: la correlación entre la vegetación, el uso del agua y la temperatura superficial en un área urbana semiárida Las islas de calor urbano (urban heat islands‐UHIs) y las áreas con vegetación que ayudan a mitigarlas varían en su distribución especial y temporal. Sin embargo, existe relativamente poca investigación dedicada al análisis espacio‐temporal de este sistema acoplado humano‐ambiental urbano. El artículo examina la medida en la cual el uso de agua al aire libre por parte de residentes de viviendas unifamiliares (practica que consume mas de la mitad de los recursos hídricos) contribuye al “verdor” de áreas urbanas y a la mitigación de los efectos de las UHs. El área de estudio es Tucson, Arizona, una ciudad ubicada en un ambiente semiárido que sufre de escasez hídrica. En términos más concretos, los autores investigan cómo los diferentes tipos de desarrollos urbanos residenciales sirven de mediadores en las interacciones entre la vegetación, la temperatura y el uso del agua. Como datos se utilizaron índices de vegetación (Normalized difference vegetation index‐NDVI) y temperaturas superficiales derivados de imágenes Landsat. Así mismo se usaron datos catastrales a nivel de parcela de zonificación, y registros de uso residencial de agua a nivel de cuarto de sección (quarter‐section) (0,63 km2). Los datos fueron analizados a múltiples escalas espaciales y temporales. Los resultados de análisis espacial demuestran que el enfriamiento de la evapotranspiración vegetal está influenciado por los factores de desarrollo urbano residencial así como por los patrones topográficos y climáticos (viento). Los resultados también sugieren que los usos de agua al aire libre, aparte de riego, en particular el uso de las piscinas (o albercas), promueven el enfriamiento sin elevar el valor del NDVI. El análisis temporal revela que la mayoría de zonas residenciales mantuvieron o aumentaron el ‘verdor’ a pesar de la disminución del uso del agua entre 1995 y 2008, debido probablemente a los ciclos climáticos regionales de largo plazo. Únicamente las zonas urbanas de alta densidad con escasas áreas verdes y pocos canales naturales de drenaje muestran una fuerte relación entre el uso del agua residencial y las tendencias del NDVI. Estos resultados sugieren que la preservación de los canales de drenaje natural y la reducción de superficies impermeables, así como el emplazamiento del desarrollo urbano en áreas con microclimas naturalmente más fríos, pueden ser estrategias sostenibles para la mitigación de UHIs en regiones con escasez de agua. 城市热岛与可缓解其效应的植被均随时间和空间变化,但鲜有研究从时空分析视角关注这一自然‐人文耦合系统。本文聚焦于半干旱、缺水的亚利桑那州图森市,主要调查独户家庭户外用水（其用水量大约是住宅供应水量的一半）是否对城市“绿化”和缓解城市热岛效应作出贡献。特别地,我们调查不同类型住宅开发是如何调节植物‐用水‐温度间的相互作用。数据集包括从美国陆地资源卫星获得的归一化植被指数（NDVI）和地表温度,地块区划和评估数据, 约160英亩（0.63 km²）用地面积的住户用水记录。我们从时空多尺度视角对这些数据进行了分析。 空间分析结果表明,植被蒸散作用导致的降温不仅受开发因素也受地形和风模式的调节。同时也发现：包括灌溉的户外用水,尤其是泳池用水,在促进地表降温时并未促使归一化植被指数（NDVI）提高。时间分析揭示,大多数居住区即使在1995–2008用水减少的情况下仍保持和增加“绿化”,最可能归因于长期的区域气候循环。只是在植被覆盖和自然排水系统均很少的高密度开发地区,家庭用水与NDVI趋势上显示出强相关性。这些结果昭示保留自然排水系统和限制不透水地表,以及在具有自然降温作用的微气候上选址发展区,或许是缺水地区缓解热岛效应的可持续策略。     

Urban Centrality: A Simple Index

This study introduces a new measure of urban centrality. The proposed urban centrality index (UCI) constitutes an extension to the spatial separation index. Urban structure should be more accurately analyzed when considering a centrality scale (varying from extreme monocentricity to extreme polycentricity) than when considering a binary variable (monocentric or polycentric). The proposed index controls for differences in size and shape of the geographic areas for which data are available, and can be calculated using different variables such as employment and population densities, or trip generation rates. The properties of the index are illustrated with simulated artificial data sets and are compared with other similar measures proposed in the existing literature. The index is then applied to the urban structure of four metropolitan areas: Pittsburgh and Los Angeles in the United States; São Paulo, Brazil; and Paris, France. The index is compared with other traditional spatial agglomeration measures, such as global and local Moran's I, and density gradient estimations. El presente estudio introduce una nueva medida de centralidad. El índice de centralidad urbana propuesto (UCI, por sus siglas en inglés) es una extensión al índice de separación espacial (spatial separation index)(Midelfart‐Knarvik et al. 2000). El análisis de la estructura urbana resulta más preciso al usar el índice cuando se toma en cuenta una escala de continua de centralidad (que puede variar de un monocentrismo extremo a un policentrismo extremo) que cuando se considera una variable binaria (monocéntrica o policéntrica). El índex propuesto controla las diferencias de tamaño y forma de las áreas geográficas de las que se tienen datos, y puede ser calculada utilizando diferentes variables, como empleo y densidad poblacional, o tasas de generación de viajes. Las propiedades del índice se ilustran con conjuntos de datos artificiales simulados, y se comparan con otras mediciones similares en la literatura ya existente. Posteriormente, el índice es aplicado a la estructura urbana de cuatro áreas metropolitanas: Pittsburgh y Los Ángeles, en EEUU; San Pablo, en Brasil; y París, Francia. Finalmente, se compara el índice con otras mediciones tradicionales de aglomeración espacial, como el índice de Moran local y global, y estimaciones de gradiente de densidad. 本文介绍了一种度量城市中心性的新方法,提出的城市中心性指数（UCI）是对空间分离指数的扩展。当涉及到中心性规模（从极单中心到极多中心）,不仅仅是二元变量（单中心或多中心）,城市结构则需更加精确的测度。本文构建的指数可以通过数据可获取的不同大小和形状的地理单元控制,并通过不同变量（如就业与人口密度或者旅次产生率）测算得到。该指数的属性可以通过人工数据集的模拟示例说明,或者通过对比已有文献对相似指数的阐述加以说明。然后,通过将该指数应用于全球四个大都市区（美国匹兹堡和洛杉矶、巴西圣保罗和法国巴黎）的城市结构中进行检验。最后,将该指数与其他测度传统空间集聚指数如全局和局部Moran指数及密度梯度估计进行对比.     

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。     

Incorporating Spatial Dynamics and Temporal Dependency in Land Use Change Models

This article formulates an empirical discrete land use model within a spatially explicit economic structural framework for land use change decisions. The underlying framework goes beyond mechanistically fitting models for the spatial process of land use change to more closely link landowner decision behavior to land use patterns. At the same time, the article explicitly considers spatial spillover effects in the decisions of landowners of proximately located parcels. These spillover or peer influences may be due to strategic or collaborative partnerships between landowners, and can be associated with variables observable to the analyst (such as accessibility to city centers and market places) and variables unobservable to the analyst (such as perhaps soil quality and neighborhood attitudes/politics). In addition to spatial spillover effects, heterogeneity is also likely to exist in the decision‐making process of different landowners because of differential responsiveness to various signals relevant to decision making. This leads to correlation in land uses across time that is stationary for the same spatial unit. The article accommodates these technical considerations by formulating a random coefficients spatial lag discrete choice model using a fine resolution for the spatial unit of analysis. Time‐varying random effects are also considered to capture the effects of time‐varying unobserved factors (for instance, unobserved landowner attitudes regarding specific land uses may shift over time). The model is estimated using Bhat's maximum approximate composite marginal likelihood inference approach. The analysis is undertaken using the City of Austin parcel‐level land use database for multiple years (1995, 2000, 2003, and 2006). The estimation results indicate that proximity to highways and other roadways, distance from floodplains, parcel location in the context of existing development, and distance from schools are important determinants of land use. As importantly, the results provide very strong evidence of temporal dependency and spatial dynamics in land use decisions. There is also a suggestion that major highways may not only physically partition regions, but may also act as social barriers for didactic interactions among individuals. Este artículo presenta un modelo empírico discreto de uso de tierra dentro de un marco económico estructural espacialmente explícito para la toma de decisiones de cambio de uso de suelo. El marco utilizado por los autores va más allá del ajuste mecánico de modelos al proceso espacial de cambio de uso de suelo pues vincula más estrechamente el comportamiento y decisión del terrateniente a los patrones de uso observados. Al mismo tiempo, el estudio considera explícitamente los efectos espaciales de difusión en las decisiones de los propietarios de las parcelas cercanas. Esta difusión (spillover) o influencia de los pares puede deberse a alianzas estratégicas o de colaboración entre los terratenientes. También pueden estar asociadodos a variables observables (como la accesibilidad a los centros de las ciudades y plazas de mercado), así como a las variables no observables (por ejemplo, la calidad del suelo y las actitudes o tendencias políticas de los residentes). Además de los efectos de spillover, también es probable que exista heterogeneidad en el proceso de toma de decisiones de los diversos terratenientes, debido a su diferente capacidad de respuesta a las distintas señales que influencian la toma de decisiones. Esto conduce a que exista correlación en los usos del suelo a través del tiempo que es estacionaria para la misma unidad espacial. En el estudio todas las consideraciones técnicas mencionadas son tomadas en cuenta mediante la formulación de un modelo de elección discreta con rezago espacial con coeficientes aleatorios (random coefficients spatial lag discrete choice model) usando unidades espaciales de alta resolución. Para capturar los efectos de los factores no observados que varían temporalmente los autores utilizan efectos aleatorios (random effects) (por ejemplo, las actitudes de los terratenientes con respecto a usos específicos de tierras pueden cambiar con el tiempo). El modelo propuesto es estimado utilizando el enfoque inferencial de similitudes marginales de aproximaciones máximas compuestas de Bhat (2011) (maximum approximate composite marginal likelihood ‐MACML). El análisis se lleva a cabo usando una base de datos de a nivel de parcela base de uso de la tierra de la ciudad de Austin, Texas para varios años (1995, 2000, 2003 y 2006). Los resultados de la estimación indican que la proximidad a las autopistas y otras carreteras, la distancia de las llanuras de inundación, la ubicación de parcela en el contexto del desarrollo urbano existente, y la distancia a las escuelas, son factores importantes para el uso de suelo. Adicionalmente, los resultados proporcionan evidencia muy clara de la dependencia temporal y la dinámica espacial en las decisiones de uso de suelo. El estudio también sugiere que las carreteras principales dividen las regiones no sólo físicamente, sino que también pueden actuar como barreras sociales para las interacciones entre los individuos. 本文提出了土地利用变化决策下空间经济结构框架的一种经验离散土地利用模型。土地利用变化的空间过程与土地所有者决策行为更为紧密连接的土地利用模式,使得潜在的框架超出已有拟合模型。同时,本文明确认为毗邻地块区位在地主决策中具有空间溢出效应。这种溢出或对等效应可能源于与地主有战略上或合作伙伴的关系,并且这种效应分为分析中可测的变量关联（如城市中心和市场区的可达性）和不可测的变量关联（如可能为土地质量和邻居态度/政策）两种。除空间溢出效应,异质性也可能存在于不同地主决策制定的过程中,因为多种信号的不同响应与决策制定相关。这种异质性导致了土地利用在相同空间单元时间演化过程中的相关性是平稳的。本文在理解这些含义的基础上对此采纳的技术考虑是,通过利用随机高分辨率的空间滞后离散选择模型来分析空间单元。随时间变化的随机效应也被考虑用来捕获不可测的时变因子效应（如不可测的关于特殊土地利用的地主态度可能随时间改变）。本文的模型通过Bhat’s（2011）提出的近似最大联合边缘似然推断方法（MACML）进行估计。分析数据来源于奥斯汀市土地利用关于地块尺度多年的数据库（1995,2000,2003,2006）。估计结果表明,与高速公路和其它道路的近邻性,与洪泛平原的距离,现状开发条件下的地块区位,以及跟学校的距离对于土地利用模式的确定是非常重要的决定因素。同样重要的是,该结果为空间动力学与时间依赖性的土地利用决策提供了非常强的证据。本结果也显示主要高速公路不仅是区域分割的物质表征,而且在个体之间的交流中扮演着社会障碍的角色。     

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。     

A New Spatial Optimization Perspective on the Delineation of Metropolitan and Micropolitan Statistical Areas

The current method for delineating U.S. metropolitan and micropolitan statistical areas (collectively referred to as core‐based statistical areas—CBSAs) is to cluster counties based on the strength of commuting interactions between outlying areas and urban cores. The social and economic integration of a metropolitan or a micropolitan statistical area is operationalized using what we believe is an outdated, monocentric perspective on functional spatial structure: one that fixates solely on inward and reverse commuting. We propose a new spatial optimization model for delineating CBSAs that can better account for polycentric urban structure by considering all intercounty commuting linkages. Our model seeks to find the boundaries that maximize the containment of entire webs of intra‐CBSA intercounty commuting. We apply the proposed method to delineate alternative sets of metropolitan and micropolitan statistical areas for comparison with the federal government's currently defined (2010 Office of Management and Budget [OMB] standards) official CBSAs. El método actual para delimitar áreas estadísticas micropolitanas y metropolitana en los Estados Unidos (denomidado genéricamente áreas estadísticos nucleares o core‐statistical areas‐ CBSA) consiste en agrupar condados en base a la fuerza de las interacciones de los desplazamientos residencia‐trabajo entre las zonas periféricas y los núcleos urbanos. La integración social y económica de un área estadística metro y micro politana se pone en operación usando un enfoque funcional que los autores consideran obsoleto que se basa en una estructura espacial urbana monocéntrica. Dicho enfoque se limita únicamente a los desplazamientos hacia el interior y de vuelta. Los autores proponen un nuevo modelo de optimización espacial para delinear CBSAs que respresenta mejor una estructura urbana policéntrica que considera todos los desplazamientos entre condados. El modelo busca encontrar los límites que maximizan la inclusión de redes enteras de desplazamientos intra CBSA y entre condados. El método propuesto es aplicado para delinear conjuntos alternativos de áreas estadísticas metropolitanas y micropolitanas y es comparado con los límites oficiales actuales de CBSA proporcionados por gobierno federal (de acuerdo a los lineamientos de la Oficina de Administración y Presupuesto u Office of Management Budget‐OMB) en 2010). 目前用于描述美国大都市区与居住区统计区域（共同地被称为基于核心的统计区域—CBSAs）的方法,主要是基于边远地区和城市核心区间的相互作用强度对郡县进行聚类。大都市区或居住区统计区域社会与经济一体化的运作方式,采用的是一种功能空间结构上落伍的单中心视角,即仅关注内部交换或反向交换。本文提出了一种新的空间优化模型用于描述CBSAs,将所有内部通勤联系考虑在内,能更好地解释多中心城市结构。该模型力图发现能最大化包含内部CBSA通勤联系网的边界。最后,将该模型应用于大都市区和居住区的统计区域描述,并与联邦政府目前定义的官方CBSAs（管理与预算 [OMB]标准2010办公室）进行了对比研究。     

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。