文章图片





文章图片





文章图片





文章图片






地/理/探/测/器
概念
地理探测器是目前学者进行驱动力和因子分析的有力工具之一 ， 本篇文章简要介绍地理探测器的原理及使用方法 ， 希望能够对各位读者有所帮助 。
地理探测器是由王劲峰老师[1
开发的一种新的探测空间分异性 ， 以及揭示其背后驱动因子的统计学方法 ， 此方法无线性假设 ， 具有优雅的形式和明确的物理含义 ， 并且其操作简单 ， 仅使用Excel便可以完成其操作 ， 吸引起了众多学者的兴趣 。 本文将简单介绍地理探测器的原理及其具体操作 。
原理
地理探测器的核心思想是基于这样的假设：如果某个自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 。 地理分异既可以用分类算法来表达 ， 例如环境遥感分类；也可以根据经验确定 ， 例如胡焕庸线 。 地理探测器擅长分析类型量 ， 而对于顺序量、比值量或间隔量 ， 只要进行适当的离散化 ， 也可以利用地理探测器对其进行统计分析 。 因此 ， 地理探测器既可以探测数值型数据 ， 也可以探测定性数据 ， 这正是地理探测器的一大优势 。 地理探测器的另一个独特优势是探测两因子交互作用于因变量 。 交互作用一般的识别方法是在回归模型中增加两因子的乘积项 ， 检验其统计显著性 。 然而 ， 两因子交互作用不一定就是相乘关系 。 地理探测器通过分别计算和比较各单因子q值及两因子叠加后的 q 值 ， 可以判断两因子是否存在交互作用 ， 以及交互作用的强弱、方向、线性还是非线性等 。 两因子叠加既包括相乘关系 ， 也包括其他关系 ， 只要有关系 ， 就能检验出来 。
地理探测器包括分异及因子探测、交互探测、生态探测、风险探测4个探测器 。

• 分异及因子探测：探测Y的空间分异性；以及探测某因子X多大程度上解释了属性Y的空间分异 ， 用q值度量 。
  
• 交互作用探测：识别不同风险因子Xs之间的交互作用 ， 即评估因子X1和X2共同作用时是否会增加或减弱对因变量 Y 的解释力 ， 或这些因子对 Y 的影响是相互独立的 。
  
• 风险区探测：用于判断两个子区域间的属性均值是否有显著的差别 ， 用t统计量来检验 。
  
• 生态探测：用于比较两因子X1和X2对属性Y的空间分布的影响是否有显著的差异 ， 以F统计量来衡量 。
  

适用条件

• 擅长自变量X为类型量 （如土地利用图） ， 因变量Y为数值量（碳排放）的分析；
  
• 当因变量Y和自变量X均为数值量 ， 对X离散化转换为类型量后 ， 运用地理探测器建立的 Y 和X 之间的关系将比经典回归更加可靠 ， 尤其当样本量＜30 时 。
  
• 对变量无线性假设 ， 属于方差分析 （ANOVA）范畴 ， 物理含义明确的 ， 其大小反映了X （分层或分类） 对Y解释的百分比100×q% 。
  
• 地理探测器探测两变量真正的交互作用 ， 而不限于计量经济学预先指定的乘性交互 。
  
• 地理探测器原理保证了其对多自变量共线性免疫 。
  
• 在分层中 ， 要求每层至少有2个样本单元 。 样本越多 ， 估计方差越小 。
  

应用领域
下表为地理探测器在一些方面的运用 ， 对案例问题、研究区域、因变量Y、自变量或其代理变量X、研究发现和结论等方面进行归纳 ， 分析比较可以发现地理探测器主要运用领域包括：土地利用、公共健康、区域经济、区域规划、旅游、考古、地质、气象、植物、生态、环境、污染、遥感和计算机网络等 ， 地理探测器作为驱动力和因子分析的有力工具已经在以上案例中得到充分验证 。