基于时空地理加权回归模型的区域经济发展收敛性研究

传统的区域经济发展收敛性研究方法往往忽略空间和时间因素对区域经济发展收敛性的影响,导致分析结果存在偏差,使得区域经济发展收敛半衰期与实际差距过大。因此,应开展基于时空地理加权回归模型的区域经济发展收敛性研究。首先,选取区域经济发展变量,对选取的变量利用时空地理加权回归模型进行处理,然后,建立经济发展收敛函数,计量区域经济发展收敛性。实验结果显示:与区域经济发展收敛性回归分析方法和区域经济发展收敛性空间计量经济学研究方法相比,基于时空地理加权回归模型的区域经济发展收敛性研究方法对区域经济发展的收敛半衰期计量结果更准确,与实际的40年一致,具有更好的应用价值。

基于GTWR模型的济南都市圈生态系统服务价值对城市扩张时空响应

【目的】随着我国城镇化发展进入到以中心城市引领都市圈、城市群的发展阶段,如何促进都市圈城镇化与生态环境协调发展成为高质量城镇发展的重要议题。生态系统服务价值对城市扩张的时空响应研究有助于把脉城市发展与生态系统服务的时空演进特征,推动城市与生态系统的协同发展,助力可持续规划以及建设策略的拟定与实施。【方法】本文以济南都市圈为研究对象,基于城镇扩展指数的计算,定量描述各城市扩张的时空特征。采用生态系统服务当量因子法,从多个角度刻画研究区生态系统服务的时空分异特征,并分析生态系统权衡与协同效应。在此基础上,运用时空地理加权回归(GTWR)模型,探究城市扩张对生态系统服务功能变化的驱动方向与驱动强度。【结果】(1)1980—2020年间济南都市圈内城市扩张显著,具有时序阶段性与区域分异性两方面特征,城市空间扩展速率与强度由高到低依次为小城市、大城市、特大城市、中等城市。(2)都市圈内整体生态服务价值量呈逐年下降趋势,黄河干流、东平湖及周边区域与鲁中山区等地区是重要的生态系统服务价值高值聚集区,都市圈内协同关系占比略低于权衡关系,其中特大城市协同关系占比最高。(3)济南都市圈内城市扩张对生态系统服务价值整体具有负面影响,随着时间的推进,影响强度有所下降。城市扩张对各亚类生态系统服务功能的影响作用具有显著差异,对供给服务与支持服务价值量变化具有负面影响,其中对供给服务变化的驱动强度不断增强,对调节服务价值量变化具有正向作用且影响力整体变化不大,对文化服务价值量变化的影响具有两面性,在不同地区的驱动方向与强度差异性较大。【结论】本研究明确了研究期限内济南都市圈中不同等级城市空间扩展的时空分异规律以及生态系统服务逐渐劣化的发展状态,所构建的GTWR模型在空间层面上量化了城市扩张对生态系统服务总量及各亚类变化量的不同驱动特征与驱动强度,研究成果可为都市圈高质量可持续发展提供决策依据。

基于GTWR模型的安徽省气候对水稻生产力影响的时空分布规律

以气温和降水量作为气候变化的2个因素,以安徽省为研究区域,基于2001—2020年气温、降水量及水稻产量数据,使用时空地理加权回归(GTWR)模型分析气温与降水量2个因素对水稻产量的作用机制。结果表明,2001—2020年,安徽省各市水稻年平均产量在时间上出现持续波动的现象,在空间上也存在特定的集聚现象;安徽省西北部地区气温、降水量与水稻产量呈正相关关系,其中蚌埠市正相关关系最为显著;在安徽省所有城市中,淮南市和六安市的水稻产量受气温和降水量影响最为明显,而淮北市水稻产量受气温和降水量的影响相对较小,说明该地区其他因素对水稻产量具有更深影响。

基于“潜力⁃弹性⁃稳定性”模型的温州市生态韧性时空变化及影响因素研究

城市生态韧性为城市应对长期发展积累的内在压力,以及外界不确定性风险的冲击提供了新思路,对城市的可持续发展具有重要意义。基于城市生态学视角,从生态韧性的抵御力、恢复力及适应力三个方面特性,构建基于“潜力⁃弹性⁃稳定性”的生态韧性评价模型,分析了1990—2020年温州市生态韧性时空变化特征,并运用时空地理加权回归模型(GTWR),探究了生态韧性影响因素的时空异质性。结果表明:(1)1990—2020年,温州城市生态韧性指数总体呈现先上升后下降的趋势,潜力、弹性、稳定性呈现出相似的变化趋势,研究后期稳定性的提升使生态韧性的下降得到短暂缓解。(2)温州市东部沿海地区生态韧性较差,西部与北部山地生态韧性较好;低韧性水平区呈现出区域中心韧性水平降低,并且向外围扩张的趋势。(3)温州市城市生态韧性影响因素之间存在显著的时空差异,空间上也存在波动方向与强度的差异,这种差异性集中分布于城市边缘县(区)。研究以期为温州市及沿海同等级城市,提升城市生态韧性、促进区域可持续发展决策提供参考。

我国区域物流发展时空差异及收敛性研究——基于地理加权空间计量模型的实证分析

本文在对我国各省区2010~2014年的物流发展状况进行统计描述的基础上,先后构建线性回归方程和地理加权空间计量模型,最终选用模型显著性较高的地理加权空间计量模型分析我国省区物流发展水平的收敛性。发现我国区域物流发展水平虽然整体上呈现出收敛的趋势,但是空间差异较突出;另外,我国物流发展水平平均收敛速度在空间上具有明显的聚集效应,平均收敛速度呈现出明显的由西向东梯度递减的趋势。最后根据实证结果提出促进区域物流一体化的相关建议。

应用改进的时空地理加权模型分析城市住宅价格变化

以深圳市为例对城市住宅价格进行时空地理加权统计回归分析,揭示城市住宅价格在时间与空间方面的变化趋势。研究结果表明,时空地理加权回归模型不仅能够分析相关因素在空间的差异性上对住宅价格具有重要影响,还能够揭示其在时间上的差异性,得出相关因素对住宅价格影响是随时间和空间变化的特点。依据模型的拟合度标准,GTWR能够从OLS的0.617,GWR的0.736提高到0.895。AIC标准的统计信息则表明,GTWR模型明显优于OLS与GWR模型。

基于时空地理加权回归模型的中国碳排放驱动因素实证研究

基于2006-2011年中国省级区域面板数据,应用时空加权回归模型(GTWR)实证考察了各驱动因素对碳排放规模和碳排放强度影响的时空差异。研究结果表明:大部分解释变量的时空系数估计值显著,波动性较为稳定,符号与预期一致,各驱动因素及其外溢效应在不同区域存在较强的空间异质性,且表现出一定的空间梯度分布。若实现区域差异化碳减排,需要充分考虑空间异质性和外溢性。

时空地理加权模型回归关系的非平稳性Bootstrap检验

文章针对时空地理加权回归模型,通过时空加权距离构造权重矩阵,采用地理加权拟合技术得到回归系数的逐点估计。对整个回归关系进行关于时间和空间的全局非平稳性检验,基于估计残差,构造广义似然比统计量,利用Bootstrap方法计算检验的p值。模拟算例和实际例子均说明该检验方法的有效性。

时空地理加权回归模型及其拟合

基于加权最小二乘原理,给出了时空地理加权回归模型的拟合方法,以及与之相关的权函数选取原则和确定窗宽参数的交叉确认法.

基于GTWR的站域建成环境对城市轨道交通客流量的时空影响

轨道交通客流量影响因素是轨道交通方面研究的一个关注点,不同站点客流量的时空非平稳性被认为与站域建成环境有关。通过构建时空地理加权(geographically and temporally weighted regression,GTWR)模型,揭示了土地多样性、密度、站点属性3个方面因素在时间和空间维度上对天津市轨道交通客流量的影响。结果表明:相较于传统的地理加权(geographically weighted regression,GWR)模型和最小二乘法(ordinary least squares,OLS)模型,GTWR具有更好的拟合优度;公交站点密度对轨道交通客流产生促进作用,尤其在工作日的早晚高峰时段和中心城区位置;市中心的商业设施在工作日晚高峰吸引更多的地铁乘客,而在近郊区它们在早高峰吸引更多的地铁乘客;人口密度促进轨道交通的客流量;充足的停车场设施数量可以吸引更多的轨道交通乘客。

基于时空地理加权回归的服务区驶入量影响因素分析

为掌握河北省服务区驶入量的时空分布规律,构建了时空地理加权回归(geographically and temporally weighted regression,GTWR)模型,揭示了服务区规模、服务区地理区位、关联地区土地利用、高速公路类型等因素在时间和空间上对服务区不同车型驶入量的影响。结果表明:时空地理加权回归模型的拟合结果显著优于最小二乘回归模型与地理加权回归模型;断面交通量对3种车型均具有促进作用,特别是在夏季高温地区服务区对于小型车驶入量促进作用显著;2~4 h车程范围内,风景名胜密度对小型车驶入量具有促进作用,且在旅游旺季及位于旅游业发达城市的服务区影响最显著;2~4 h车程范围内工商业型信息点(point of information,POI)密度对大中型车驶入量具有促进作用,特别是在货运高峰期及位于商贸发达城市的服务区促进作用显著;所属高速公路沿途资源型城市数量对服务区大型车驶入量具有显著促进作用,特别是在供暖季节。

时空地理加权回归模型的统计诊断

时空地理加权回归模型作为一类能简单有效的解决数据时空特性问题的数据分析方法已经得到了广泛的应用.主要研究该模型的统计诊断与影响分析.首先,基于数据删除模型定义了Cook统计量;其次,基于均值漂移模型讨论了异常点的检验问题,并构造了相应的检验统计量.

基于时空地理加权回归模型的浙江省碳排放时空格局及驱动因素分析

测算并分析浙江省1995—2015年碳排放量的动态变化特征,通过时空地理加权回归模型分析各影响因素对碳排放总量影响的时空异质性.结果表明:(1)1995—2015年浙江省碳排放总量总体上呈上升趋势,年均增长率为6.69%;能源活动碳排放是浙江省碳排放的主要来源,工业碳排放是能源活动碳排放的主要来源;非能源活动碳排放是浙江省碳排放的次要来源,水泥生产和水稻种植是非能源活动碳排放的主要来源;(2)浙江省碳排放重心大致落在绍兴市西南部,浙江省碳排放重心经历了西北向—西北向—东南向—东向的转移;(3)各主成分因素对碳排放的影响方向和强度具有明显的时空异质性.

土地资源市场化与产业结构升级——基于非线性因果关系和时空地理加权模型的考察

基于2000—2018年中国内地除西藏以外的30个省份的面板数据,采用非线性格兰杰因果检验和时空地理加权模型,分析土地资源市场化、产业结构升级两者之间的影响机理与关系。结果表明:土地资源市场化、产业结构升级之间存在互为因果的非线性关系,两者之间相互促进且呈现出显著的区域分化和时空异质性。基础设施和人力资本对两者产生了显著的正向时空异质影响,经济发展和对外开放对两者则产生了显著的负向时空异质影响。因此,地方政府需要加快产业结构升级、推进土地市场化改革、加强土地资源的区域合作,以实现地区土地资源市场化和产业结构升级的协同发展。

时空地理加权回归模型的拟合分析

时空地理加权回归模型是基于地理加权回归模型的一类有效的空间数据分析方法,主要研究该模型在数据删除模型的基础上系数函数的估计及删除观测点后对整个模型的影响,并且给出了权函数的选择方法.

时空地理加权回归模型的统计诊断

时空地理加权回归模型是一类有效的空间数据分析方法,该文将介绍时空地理加权回归模型的统计诊断问题以及基于数据删除模型和均值漂移模型的影响分析,并且利用扰动进行异常点检验.

基于地理加权回归的区域出租车出行需求影响模型

为更好地调度出租车运力,缓解热点载客区域出租车供需不平衡现象,需探究出租车需求的时空分布特征及其影响因素。鉴于此,基于出租车GPS数据、计价器数据、公共交通刷卡数据和兴趣点(Point of Interesting,POI)数据等多源异构数据,结合相关性分析法对区域出租车出行需求影响因素进行筛选,建立多维度的影响因素集,构建基于地理加权回归的区域出租车出行需求影响模型。以北京市1 398个交通小区的数据为例,分析不同时空条件下各影响因素对出租车出行需求的影响程度。结果表明:出租车出行需求空间分布具有空间集聚效应,影响因素对出租车需求的影响程度具有空间非稳态特征;各中心区域住宅密度、周边且公司密集区域办公密度及城市外围区域的休闲娱乐服务密度对出租车出行需求有很强的正影响;城市外围区域住宅密度、各中心区域办公密度与出租车出行需求呈负相关;非工作日休闲娱乐服务密度对出租车出行需求促进作用明显大于工作日;区域公共交通产生量对出租车出行需求的影响早、晚高峰差异显著。通过模型对比分析可知,所建模型具有较高的精度,适用于解释各影响因素对出租车出行需求影响的时空差异性。

地理加权回归模型方法与研究新进展

地理加权回归模型是现代空间计量经济学中局部分析的一种重要方法。本文基于文献述评的方式,从空间权重矩阵的设定、参数估计、多重共线性的识别与消除、参数在时空上一致性的假设检验、模型稳健性分析与预测等方面阐释了地理加权回归模型的基本建模范式;并从解释变量及其参数调整、被解释变量的不同数据特征、空间权重的不同设定、参数估计及模型选择方法调整等四个维度对地理加权回归模型方法的研究新进展进行了系统的梳理和解析;还从时空地理加权回归模型的创新推进、地理加权回归模型族的一般化检验与优选、地理加权回归模型与空间计量全局模型的融合建模、基于MATLAB的代码标准化平台化建设等方面指出了地理加权回归模型方法的发展方向。

省域绿色金融发展及影响因素时空异质性研究——基于熵值法和GTWR模型的实证分析

文章构建绿色金融发展评价体系及影响因素指标体系,基于熵值法测算样本区间我国省域绿色金融发展水平,运用时空地理加权回归(GTWR)模型分析省域绿色金融发展及其影响因素时空异质性,结果表明:我国绿色金融发展水平存在时空差异性,呈现"南高北低,东高西低"和逐年上升的趋势;当前城镇化和政策支持能有效促进绿色金融发展,环境污染、公众对污染的不满情绪和接受过高等教育的人数明显影响绿色金融发展;城镇化、金融化、政策支持的影响具有经向差异,金融化、公众对污染的不满情绪、环境污染的影响具有纬向差异。最后,文章提出强化政策引领作用、推动绿色金融创新、建立新型环境治理体系、加快新型城镇化进程、扩大绿色人才储备的建议。

季节性差分时空地理加权回归在HFRS分析中的应用

为了更好地利用模型对湖北省肾综合征出血热(Hemorrhagic fever with renal syndrome,HFRS)发病率数据的时间和空间分布进行拟合和预测,本文基于传统的时空地理加权回归模型(Geographically and Temporally Weighted Regression model,GTWR),引入时间序列中的季节性差分方法,同时采用空间自相关法优化模型中的带宽参数,构建了季节性差分时空地理加权回归模型(Seasonal Difference-Geographically and Temporally Weighted Regression model,SDGTWR)。研究结果表明,经过季节性差分优化的GTWR模型拟合精度要优于传统的GTWR模型及最小二乘法模型(OLS)和地理加权模型(GWR)方法。