일변량 공간연관성통계량에 대한 비교 연구 (I): 전역적 S 통계량을 중심으로

이상일; 조대헌; 이민파

추천

검색

자료유형: 학술저널

저자정보: 이상일 (서울대학교) 조대헌 (가톨릭관동대학교) 이민파 (망고시스템)

저널정보: 한국지리학회 한국지리학회지 한국지리학회지 제4권 제2호

발행연도: 2015.1

수록면: 329 - 345 (17page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구의 주된 목적은 전역적 공간연관성통계량으로서의  통계량의 특성을 기존의 모런 통계량과 기어리 통계량과의 비교를 통해 밝히는 것이다. 일반 통계량으로서의  , 그리고 공간근접성행렬에 따른 파생 통계량으로서의   와  가 제안되고, 둘 중 보다 적절한 통계량으로서 후자의 사용이 옹호된다.   통계량은 원 변수의 분산에 대한 공간이동평균 벡터의 분산의 비로 정의되며, 원 변수가 높은 양의 공간적 자기상관을 보이는 경우 원 변수의 분산이 적게 감소하기 때문에 통계치가 1에 가까워진다.   통계량의 특성을 파악하기 위한 분석 방법론으로 중심적률 추출법과 고유치 및 고유벡터 추출법이 사용되었다. 전자는 통계량의 분포특성을 파악하기 위한 것이고, 후자는 통계량의 가능치 범위를 계산하기 위한 것이다. 비교 분석을 위해 세 종류(삼각형, 사각형, 육각형)의 정다각 테셀레이션을 세 가지의 서로 다른 샘플 크기(64, 256, 1,024)로 구성하여 사용하였다. 실질적인 공간분석에서의 함의를 파악하기 위해 우리나라 7대 대도시의 읍면동 공간단위를 분석하였다. 가장 중요한 연구결과는 다음의 두 가지이다. 첫째,   는 다른 통계량과 달리 공간단위의 형태, 연접성 유형, 공간근접성행렬의 종류 등에 상관없이 일정한 가능치범위를 보여주었다. 이것은   통계량의 가장 큰 장점으로, 다양한 활용성을 기대케 하는 속성이다. 둘째,   는 왜도와 첨도가 상대적으로 높아 비록 샘플의 크기가 증가 하더라도 정규근사가 가지는 유의성 검정법으로서의 타당성이 낮은 것으로 판명되었다. 이것은   통계량의 가장 큰 단점으로, 보다 고차적인 유의성 검정 방법이 도입될 필요가 있음을 보여주고 있다.

The main objective of this paper is to elucidate the characteristics of a new spatial association statistic, S, in comparison with Moran’s I and Geary’s c. A general statistic, S, is defined and two derivative statistics, S0 and S*, are subsequently proposed with a strong guidance for an exclusive use of the latter. S* is defined as a rate of the variance of one variable’s spatial moving average vector to the original variance suggesting that the presence of a strong positive spatial autocorrelation results in a smaller reduction in variance which leads to a higher S* with a culminating point of 1 in a theoretical sense. In order to examine the properties of S* , two methods are introduced; one is to derive the first four central moments and the other is to extract eigenvalues and eigenvectors. The former aims at determine the distributional characteristics of the statistics, and the latter seeks to the obtain their feasible ranges. Regular tessellations of triangles, squares, and hexagons with three different sample sizes (64, 256, 1,024) are generated and used for an investigation. The smallest administrative spatial units for the 7 big cities in South Korea are also utilized to examine the practical research implications. The major findings are twofold. First, S*, unlike other spatial association statistics, turns out to yield a constant feasible range of zero to one regardless of different spatial unit shapes, different contiguity types, and different spatial proximity matrices. This is the most important merit of the statistic convincing its usability. Second, the skewness and kurtosis of S* are considerably deviant form the norms with even a large sample size such that the normal approximation based on the first two moments may not be valid. This is the most important defect of the statistic precipitating the use of more advanced significance testing procedures.

#Spatial autocorrelation #Spatial association statistics (SAS) #Spatial proximity matrix (SPM) #Moran's I #Geary's c #Lee's s statistics (S0 and S*) #Regular tessellations #Spatial eigenvalues and eigenvectors

참고문헌 (48)

참고문헌 신청

국토교통과학기술진흥원 / 2015 / 공간정보 SW활용을 위한 오픈소스 가공기술개발 2차년도 연차실적계획서(내부자료)

이상일 / 2009 / 지리정보시스템과 지리정보과학 / 시그마프레스

Anselin, L / 1988 / Spatial Econometrics: Methods and Models / Kluwer Academic Publishers

Anselin, L. / 1995 / Local indicators of spatial association-LISA / Geographical Analysis 27(2):93~115

Anselin, L. / 1988 / Do spatial effects really matter in regression analysis? / Papers in Regional Science 65(1):11~34

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이상일

소속기관 서울대학교

주요연구분야 사회과학 > 지리학 > 지리학 일반

논문수 3 이용수 25

조대헌

소속기관 가톨릭관동대학교

주요연구분야 사회과학 > 지리학 > 지리학 일반

논문수 4 이용수 116

이민파

소속기관 망고시스템

주요연구분야 사회과학 > 지리학 > 지리학 일반

논문수 4 이용수 641

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (48)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)