首页 历史故事地理探测器在风险探测中的应用

地理探测器在风险探测中的应用

【摘要】:图5.12五类疫情影响因素的核密度估计结果表5.3疫情风险单一因子探测结果对纽约市的疫情风险的不同要素进行交互探测,得到两两变量交互作用后的q值,见表5.4。表5.4疫情风险因子交互探测结果风险探测是检验不同层级要素的社区感染情况之间是否存在统计差异的判断,采用置信度为0.05的t检验。地理探测器的结果第一行为不同的区域,在本研究中代表不同的分级。

地理探测器是由一套探测空间分布异质性并揭示其背后驱动力的统计学方法组成(Song W,et al.,2020),包括风险探测、因子探测、生态探测和交互探测4个部分内容。其中,风险探测主要探索风险区域位置在哪里,因子探测用于识别什么因素造成了风险,生态探测主要解释风险因子的相对重要性如何,交互探测可以解释影响因子是独立起作用还是具有交互作用(王劲峰等,2010)。其基本假设为:如果某个变量对某个因变量有重要影响,那么自变量和因变量的空间分布应该具有相似性。其理论核心是通过计算空间异质性来探测因变量与自变量之间空间分布格局的一致性,并由此来衡量自变量对因变量的解释度。常用的地理探测手段如本研究用到的莫兰指数与地理加权回归,热点探测G函数、空间扫描统计、空间贝叶斯模型等,基本流程是给研究空间赋予矢量边界,划分矢量边界的方法如格网划分、行政边界划分、泰森多边形划分等,每个矢量多边形都具有一系列属性值,并以矢量多边形为对象研究导致因变量的主要驱动要素(李若倩等,2020)。

地理探测器在空间范围上有着广泛应用,可以用来探究人口格局演化(周亮等,2017)、租金空间分布(王银苹,2019)、环境适宜度评价(王淼等,2018)、经济差异影响(王劲峰等,2017)等。归纳起来,地理探测器可以为三方面使用:①度量给定数据的空间分异性;②寻找变量最大的空间分异;③寻找因变量的解释变量。

为评估纽约市的疫情风险,本研究选取文化设施密度、医疗设施密度、学校密度、道路线密度、人口密度作为影响因素,进行分析,核密度估计结果如图5.12所示。在进行地理探测器计算时,采用的数据离散分级方法为自然断点分级法,划分为10个级别。评估方法采用常用的核密度估计。

表5.3为纽约市的疫情风险单一因子探测结果,可以发现文化设施密度是决定疫情风险的最主要因素,其次为学校密度。医疗设施密度、人口密度、道路线密度对疫情风险的影响相对较小。可以解释为,由于美国并无严格的居家隔离措施,故社交活动发生较多的场所是疫情传播的主要场合。

图5.12 五类疫情影响因素的核密度估计结果

表5.3 疫情风险单一因子探测结果

对纽约市的疫情风险的不同要素进行交互探测,得到两两变量交互作用后的q值,见表5.4。

表5.4 疫情风险因子交互探测结果

风险探测是检验不同层级要素的社区感染情况之间是否存在统计差异的判断,采用置信度为0.05的t检验。地理探测器的结果第一行为不同的区域,在本研究中代表不同的分级。第二行是在每个类型区内的感染情况。表格表示不同区间之间发病率差异是否具有统计学差异。表5.5是针对文化设施密度这一指标进行的分析,其余4个指标类似。

表5.5 疫情生态探测结果