前言
致谢
版权说明
引言
0.1 关于本书
0.2 什么是空间数据分析？
0.3 本书的写作动机
0.4 本书的组织结构
0.5 空间数据矩阵
第一部分 空间数据分析的背景
第1章 空间数据分析：科学和决策背景
1.1 科学领域的空间数据分析
1.1.1 科学解释领域中地点、背景和空间的一般性问题
1.1.2 空间过程
1.2 科学解释特定领域中的地点和空间
1.2.1 空间分支科学的定义
1.2.2 举例：选择的研究领域
1.2.3 问题求解中的空间数据分析
1.3 决策领域的空间数据分析
1.4 空间数据分析中产生的问题举例
1.4.1 描述和地图解释
1.4.2 信息冗余
1.4.3 建模
1.5 小结
第2章 空间数据的性质
2.1 空间数据矩阵：概念化和表达问题
2.1.1 地理空间：对象、空间域和地理几何表达
2.1.2 地理空间：属性值的空间相关性
2.1.3 变量
2.1.4 样本还是样本总体？
2.2 空间数据矩阵：它的形式
2.3 空间数据矩阵：它的质量
2.3.1 模型质量
2.3.2 数据质量
2.4 空间相关性的量化
2.5 小结
第二部分 空间数据：数据获取及质量问题
第3章 通过采样获取空间数据
3.1 空间数据源
3.2 空间采样
3.2.1 空间采样的目的和方法
3.2.2 基于模型和设计的空间采样方法
3.2.3 采样方案
3.2.4 选择采样方法的问题
3.3 模拟制图
第4章 数据质量：对空间数据分析的影响
4.1 数据和空间数据分析中的误差
4.1.1 测量误差模型
4.1.2 粗差
4.1.3 误差传播
4.2 数据分辨率与空间数据分析
4.2.1 变量的精度和显著性检验
4.2.2 支持改变问题
4.2.3 使用聚合数据分析关系
4.3 数据一致性和空间数据分析
4.4 数据完整性与空间数据分析
4.4.1 缺失数据问题
4.4.2 空间插值和空间预测
4.4.3 边界、权重矩阵和数据完整性
4.5 小结
第三部分 探索性空间数据分析
第5章 探索性空间数据分析：概念模型
5.1 探索性数据分析和探索性空间数据分析
5.2 空间变化的概念模型
第6章 探索性空间数据分析：可视化方法
6.1 数据可视化和探索性数据分析
6.1.1 数据可视化：方法和任务
6.1.2 数据可视化：通过计算机的发展
6.1.3 数据可视化：选择的技术
6.2 空间数据可视化
6.2.1 聚合数据的数据准备问题：变量值
6.2.2 聚合数据的数据准备问题：空间框架
6.2.3 空间可视化的特殊问题
6.3 数据可视化和探索性空间数据分析
6.3.1 空间数据可视化：为单变量数据选择的技术
6.3.2 空间数据可视化：为双变量或多变量选择的技术
6.3.3 谢菲尔德地区乳腺癌筛查数据的摄取
6.4 小结
第7章 探索性空间数据分析：数值方法
7.1 平滑方法
7.1.1 图形绘图的约束平滑
7.1.2 空间相关性的约束描述
7.1.3 地图平滑
7.2 全局地图特性的探索性识别：整体聚类
7.2.1 区域数据的聚类
7.2.2 标记点模式的聚类
7.3 局部地图特性的探索性识别
7.3.1 聚类探测
7.3.2 焦点检验
7.4 地图比较
第四部分 假设检验和空间自相关
第8章 存在空间相关性的假设检验
8.1 空间自相关和空间数据集均值检验
8.2 空间自相关和二元关联检验
8.2.1 皮尔森积矩相关系数
8.2.2 列联表的卡方检验
第五部分 空间数据建模
第9章 空间数据统计分析模型
9.1 描述性模型
9.1.1 大尺度空间变化模型
9.1.2 小尺度空间变化模型
9.1.3 空间变化的多尺度数据模型
9.1.4 层次贝叶斯模型
9.2 解释性模型
9.2.1 连续取值响应变量模型：正态回归模型
9.2.2 离散取值区域数据模型：广义线性模型
9.2.3 层次模型
第10章 空间变化统计建模：描述性建模
10.1 表达空间变化的模型
10.1.1 连续取值变量模型
10.1.2 离散取值变量模型
10.2 空间变化建模中若干一般性问题
10.3 层次贝叶斯模型
第11章 空间变化统计模型：解释性建模
11.1 空间数据建模的方法
11.1.1 经典方法
11.1.2 计量经济学方法
11.1.3 数据驱动方法
11.2 空间数据线性建模的一些应用
11.2.1 地区收入收敛检验
11.2.2 二元响应模型
11.2.3 多级模型建模
11.2.4 谢菲尔德入室盗窃的贝叶斯建模
11.2.5 被开除学生的贝叶斯建模
11.3 小结
附录Ⅰ 软件
附录Ⅱ 剑桥郡肺癌数据
附录Ⅲ 谢菲尔德盗窃数据
附录Ⅳ 谢菲尔德被开除的学生数据
参考文献
缺书网
扫码进群