spatial clustering
در نشریات گروه علوم پایه-
داده های حاصل از اندازه گیری شاخص های مالی و اقتصادی، مانند قیمت مسکن، عموما به طور فضایی همبسته و ناهمگن هستند. مدل های اقتصادسنجی فضایی برای لحاظ کردن وابستگی موجود در این داده ها پرطرفدار هستند. اما مدل بندی کارای ناهمگنی فضایی هنوز مورد سوال است. معمولا از رگرسیون وزنی جغرافیایی برای مدل بندی ناهمگنی موضعی داده های فضایی استفاده می شود. این رده از مدل ها برای داده های فضایی همگن در چند زیرناحیه، بیش از حد پیچیده هستند. در این مقاله، از یک رهیافت مبتنی بر خوشه بندی فضایی برای شناسایی زیرنواحی همگن استفاده می شود. سپس، در هر زیرناحیه، مدل های اقتصادسنجی فضایی بیزی به داده ها برازش داده می شوند. با توجه به پیچیدگی توزیع پسین مدل های پیشنهادی و دوری از مشکلات الگوریتم های MCMC، از روش تقریب لاپلاس آشیانه ای جمع بسته استفاده می شود. آنگاه در یک مطالعه شبیه سازی، عملکرد رهیافت پیشنهادی ارزیابی و نحوه کاربست رهیافت دومرحله ای پیشنهادی برای تحلیل داده های قیمت مسکن در شهر مشهد ارائه خواهد شد.
کلید واژگان: استنباط بیزی تقریبی، خوشه بندی فضایی، مدل های اقتصادسنجی، ناهمگنی فضاییAnalysis of Housing Prices in Mashhad City With a Two-Stage Heterogeneous Spatial Modeling FrameworkFinancial and economic indicators, such as housing prices, often show spatial correlation and heterogeneity. While spatial econometric models effectively address spatial dependency, they face challenges in capturing heterogeneity. Geographically weighted regression is naturally used to model this heterogeneity, but it can become too complex when data show homogeneity across subregions. In this paper, spatially homogeneous subareas are identified through spatial clustering, and Bayesian spatial econometric models are then fitted to each subregion. The integrated nested Laplace approximation method is applied to overcome the computational complexity of posterior inference and the difficulties of MCMC algorithms. The proposed methodology is assessed through a simulation study and applied to analyze housing prices in Mashhad City.
Keywords: Approximate Bayesian Inference, Spatial Clustering, Econometrics Models, Spatial Heterogeneity -
تشخیص به هم خوردن نسبت جمعیتی در ساختار جمعیت، یکی از چالش هایی است که هر کشور با آن روبرو می شود. پیری جمعیت، نوعی ناهنجاری جمعیتی است که عدم توجه به آن سبب بروز مشکلات جمعیتی می شود. هشدار به موقع در مورد سالمند شدن جامعه، می تواند به برنامه\/ریزی در خصوص فرزندآوری از یک سو و فراهم کردن امکانات مناسب برای سالمندان از سوی دیگر مفید باشد. برای مثال، پایتخت ژاپن نمونه خوبی از محیط شهری مناسب برای سالمندان است. یکی از ابزارهای تشخیص ناهنجاری، خوشه یابی فضایی به کمک آماره اسکن است. در سه دهه گذشته، روش آماره اسکن حوزه ای بسیار مهم و فعال در تحقیقات آماری بوده است. تشخیص مناطقی بر روی نقشه های جغرافیایی که در آن ها تمرکز نقاط (سالمندان، بیماران، مجرمان، گونه حیوانی خاص و غیره) معنی دار باشد، در بسیاری از زمینه ها مانند اپیدمیولوژی، سیاست، جرم و جنایت، جانورشناسی و...، دارای اهمیت است. به کمک روش آماره اسکن می توان این نوع خوشه های فضایی را شناسایی کرد.در این مقاله، به معرفی آماره اسکن بر اساس توزیع پواسن می پردازیم. با استفاده از شبیه سازی، کارایی این روش در شناسایی خوشه های فضایی را مورد بررسی قرار می دهیم. بر اساس نتایج به دست آمده از شبیه سازی، روش آماره اسکن پواسن، روشی مناسب برای تشخیص ناهنجاری ها در داده های فضایی شمارشی است. به عنوان کاربردی از خوشه یابی فضایی، ساختار جمعیتی ایالت جورجیا را در نظر می گیریم و ناحیه هایی را مشخص می کنیم که در آنها جمعیت سالمند به طور معنی دار زیاد است. این ناحیه ها در اجرای برنامه های اصلاحی جمعیت بایستی در اولویت قرار گیرند.کلید واژگان: خوشه یابی فضایی، آماره اسکن، آزمون مونت کارلو، توزیع پواسن، نسبت درستنماییIdentification of population ratio disruption in the population structure is one of the challenges that every country faces. Population aging is a kind of demographic abnormality that lack of attention causes population problems. A timely warning about the aging of society can be useful for planning about having children on the one hand and providing suitable facilities for the elderly on the other hand. For example, the capital of Japan is a good example of an urban environment suitable for the elderly.One of the anomaly detection tools is spatial clustering using scan statistics. In the last three decades, the scan statistic method has been a very important and active field in statistical research. Identifying areas on geographic maps, where the concentration of points (elderly, sick, criminals, certain animal species, etc.) is significant, is important in many fields such as epidemiology, politics, criminology, zoology, and so on. With the help of scan statistic method, spatial clusters can be identified.In this article, we introduce the scan statistic method based on Poisson distribution. Using simulation, we investigate the efficiency of this method in identifying spatial clusters. Based on the results obtained from the simulation, the Poisson scan statistic method is a suitable method for detecting anomalies in the count spatial data. As an application of spatial clustering, we consider the population structure of the state of Georgia and identify areas where the elderly population is significantly high. These areas should be prioritized in the implementation of population reform programs.Keywords: Spatial Clustering, Scan Statistic, Monte-Carlo Hypothesis Testing, Poisson Distribution, Likelihood Ratio
-
نقشه سازی مناطق کلیدی عرضه خدمات اکوسیستمی به منظور توسعه راه کارهای اطمینان از عرضه آتی آن ها ، فراهم سازی و کمی سازی آن ها ضروری است. در این مطالعه که با هدف بررسی هم زمان خدمات چندگانه و شناسایی مناطق کلیدی عرضه آن ها در بخش مرکزی استان اصفهان انجام شد، سه خدمت اکوسیستمی ارزش زیبایی شناسی سیمای سرزمین، ارزش تفرجی و کاهش آلودگی صوتی در محیط نرم افزار GIS نقشه سازی شد. سپس با به کارگیری تحلیل هم پوشانی مکانی، شاخص کل عرضه خدمات اکوسیستمی، محاسبه شد و در ادامه با استفاده از رویکرد آمار فضایی، نقاط داغ عرضه خدمات اکوسیستمی شناسایی گردید. در پایان رابطه ی میان نقاط کلیدی عرضه خدمات اکوسیستمی با پوشش گیاهی مورد بررسی قرار گرفت. نتایج نشان داد که مناطق کلیدی عرضه خدمات اکوسیستمی در بخش مرکزی و شرقی منطقه مطالعاتی پراکنش دارند و دارای رابطه ی مستقیمی با پوشش گیاهی هستند. این مناطق 94/9 درصد سطح منطقه مطالعاتی را در بر می گیرند. تحلیل نقاط داغ در بررسی خدمات اکوسیستمی چندگانه می تواند کارایی روش های مدیریتی برای حفظ خدمات اکوسیستمی را افزایش دهد.کلید واژگان: خدمات اکوسیستمی چندگانه، نقاط داغ، آماره گیتس-ارد، خوشه بندی مکانی، مدیریت سرزمینMapping key areas for ecosystem service supply is essential for the development of strategies that will ensure their future supply, provision and quantification. This study aims to investigate simultaneous multiple services and identifying key area for their supply, three ecosystem services, including, landscape aesthetic value, recreation and noise reduction were mapped using GIS in central part of Isfahan province. Then, total ecosystem services supply index was calculated using spatial overlay analysis and then hotspots of ecosystem services supply were identified using the spatial statistics approach. At the end, the relantionship between key area for ecosystem supply and vegetation cover was considered. The results showed that key areas for ecosystem services supply, are distributed in the central and eastern part of the study area and have a direct relationship with vegetation. These areas comprise 9.94% of the study area. Hotspots analysis to consider multiple ecosystem services, can increase, the effectiveness of management approach for conserving ecosystem services.Keywords: Multiple Ecosystem Services, Hotspots, Gites-ord Index, Spatial Clustering, Land Management
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.