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 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。     

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。     

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。     

Hierarchical Bayesian Spatiotemporal Analysis of Childhood Cancer Trends

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

Simple Scan Tests for Spatial Clustering on a Square Lattice

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

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 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。     

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。     

A Spatiotemporal Analysis of Groundwater Level Changes in Relation to Urban Growth and Groundwater Recharge Potential for Waukesha County,Wisconsin

The main objective of this study was to analyze spatially and temporally groundwater level changes using geographic information systems and spatial analysis with respect to urban development, groundwater withdrawal, and groundwater recharge potential. The study focused on Waukesha County in southeastern Wisconsin, where urban development has been accelerating while groundwater has been declining over the last several decades. We analyzed data about groundwater withdrawal, groundwater level, land use/land cover, and precipitation utilizing correlation analysis, geographically weighted regression, land use change analysis, and map overlay. Our findings include the following: the extent of urban areas expanded faster in regions with high recharge potential than in those with low or moderate recharge potential; the correlation of urban growth with groundwater level is highly variable over time and space; and changes in groundwater level are strongly related to the spatial distribution of groundwater withdrawal. The study pinpointed the need to consider the spatial unevenness of groundwater withdrawal in understanding the changes in groundwater level and groundwater recharge potential for better management of groundwater resources. Un análisis espacio‐temporal de los cambios de nivel de aguas subterráneas en relación con el crecimiento urbano y de las aguas subterráneas de recarga para el Condado de Waukesha, Wisconsin El objetivo principal de este estudio es analizar espacial y temporalmente los cambios del nivel de aguas subterráneas utilizando sistemas de información geográfica (SIG) y análisis espacial con respecto al desarrollo urbano, la extracción de agua subterránea, y el potencial de recarga. El área de estudio es el condado de Waukesha, en el sureste de Wisconsin, donde el desarrollo urbano se ha acelerado mientras que las aguas subterráneas han disminuido en las últimas décadas. Se analizaron los datos sobre la extracción y nivel de aguas subterráneas, la cobertura vegetal/uso del suelo, y la precipitación utilizando un análisis de correlación, una regresión ponderada geográficamente (geographically weigted regression ‐GWR), un análisis de cambio de uso del suelo, y la superposición de mapas (map overlay). Los resultados muestran que: (1) la extensión de las zonas urbanas se incrementó más rápidamente en regiones con alto potencial de recarga que en áreas con potencial de recarga de bajo o moderado; (2) la correlación entre el crecimiento urbano y el nivel de aguas subterráneas es muy variable tanto temporal como espacialmente; y, (3) los cambios en el nivel de aguas subterráneas están fuertemente relacionados con la distribución espacial de las actividades de extracción del recurso. El estudio identificó la necesidad de considerar la irregularidad del patrón espacial de la extracción de aguas subterráneas con el fin de mejorar la comprensión de los cambios en el nivel y el potencial de recarga y así promover una mejor gestión de los recursos hídricos subterráneos. 本研究主要目的在于通过地理信息系统(GISs)和空间分析的时空视角,对城市发展的地下水水位变化,地下水开采和地下水潜在补给进行分析。本文研究区为威斯康星州东南部的沃基肖县,该区在过去近几十年里城市快速增长而地下水急剧减少。通过地下水开采、地下水水位、LUCC（土地利用/土地覆盖LULC）和降水的数据分析,采用方法包括相关分析、地理加权回归模型（GWR）、土地利用变化分析和地图叠加分析。研究结果包括：（1）高地下水补给的城市地域范围的扩大幅度快于中等或低补给地区;（2）城市增长与地下水水位的相关性在时间和空间上是高度变化的;（3）地下水开采的空间分布与地下水位的变化呈强相关。研究精确地指出,为更好管理地下水资源,在理解地下水位变化和地下水潜在补给时需考虑地下水开采的空间不均匀。     

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。     

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。.     

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。.     

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。     

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

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

Geographical Analysis: Its First 40 Years

Geographical Analysis (GA), in cooperation with the Wiley‐Blackwell publishing business, undertook a project to complete the digitizing of all back issues of the journal and make those for the period 1969–2001 free to the academic community; the volumes for 2002–2005 already were, and continue to be, free. This article commemorates the completion of this event late in 2010, drawing upon this new resource to highlight important contributions made through the journal to the geography and spatial sciences community. Besides summarizing publication trends for the journal, in the tradition of Fenneman's Venn diagram conceptualization of overlaps between geography and its cognate disciplines, this article highlights prominent articles published in the journal that contributed to the four themes of urban and economic geography, transportation geography, spatial statistics, and geographic information science. Geographical Analysis (GA) en cooperación con publicaciones Wiley‐Blackwell llevo a cabo el proyecto de digitación de todos los números pasados de la revista, los cuales están ahora a disposición de la comunidad académica sin costo alguno; los volúmenes de los años 2000–5 ya estaban disponibles y continúan siendo gratis. El presente artículo conmemora la culminación de dicho evento a fines de 2010, recogiendo los aportes de esta nueva fuente de información y resaltando varias contribuciones importantes hechas vía GA a la comunidad de geografía y ciencias espaciales. Además de resumir las tendencia de las publicaciones de la revista, en la tradición de la conceptualización de traslapes entre la geografía y disciplinas afines de los diagramas Venn Fanneman, el presente artículo resalta, artículos prominentes publicados en GA que contribuyeron a los cuatro temas principales: geografía urbana y económica, geografía del transporte, estadística especial y ciencias (sistemas) de información geográfica. 地理分析（GA）和Wiley‐Blackwell出版商合作完成了对本刊1969‐2001年所有刊册数字化的项目,并向学术界免费开放。事实上,从2002年第5卷就已经开始并将一直持续免费。本文记述了2010年末完成的这一事件,并依托这一新的数据资源,重新回顾了本刊对地理学和空间科学研究群体做出的重要贡献。本文总结了本刊论文发表趋势,从Fenneman的韦恩图概念传统来看是地理学及其相关学科的交叉。此外还回顾了本刊发表的对城市与经济地理、交通地理、空间统计以及地理信息科学方法做出卓越贡献的论文。     

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。     

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。