假设要研究2010-2016年11个省市区的经济发展指标。 原始数据经过数据预处理和特征加权，得到如图1所示的数据。
图1.png
下一个任务是按年度计算cxdbg指数，检查这个经济发展指标的空间相关性。
ARCGIS和Geoda当然是空间测量的首选，其次stata和r也提供了空间测量的包。 计算moran's I是理所当然的事，拿着鼠标点击如何体现Learning the hard way的初衷？ “你们进狭窄的门。 因为要走向灭亡，所以其门很大，路很大，进去的人也很多； 一旦导向永生，那扇门就窄，路就小，找的人也少。 ”所以，我们实际计算一下cxdbg指数吧。
图2.png
回顾cxdbg指数的定义，其实是嵌入空间拓扑关系的相关系数。 虽然计算cxdbg指数只需要两个数据：经济发展数据y和空间权重矩阵w，但使用Rook权重矩阵，w将退化为众所周知的相邻矩阵。
因此，我们首先用愚蠢的方法，不使用其他软件求出空间权重矩阵。 假设按照上表的顺序，从1开始对省市区进行编码，则相邻列表表示的空间相邻关系如下(默认海南与广东、广西接壤)。
1 2
2 3 8 1
3 2
4 5 6
5 8 6 4
6 4 5 7
7 6 9
8 2 5
9 7 10 11
10 9 11
11 9 10
实际上，我们可以用邻接列表代入公式来计算cxdbg指数，但为了清楚起见，我们还是用两个丑陋的for循环，将其转换为邻接矩阵wmx。
wmx :
[，1] [，2] [，3] [，4] [，5] [，6] [，7] [，8] [，9] [，10] [，11]
[1，]01000000000000
[2，] 10 100000 100000 0
[3，]01000000000000
[4，] 0 0 0 0 1 1 0 0 0 0 0
[5，] 0 0 0 1 0 1 0 1 0 0 0
[6，]00011010000000
[7，]00000010010000 0
[8，] 0 1 0 0 1 0 0 0 0 0 0
[9，]00000101011
[10，]0000000101
[11，]000000010
那么，万事俱备了。 以下代码按年度计算cxdbg指数
S0=sum(wmx )
mi=rep(0，ncol ) SD ) )
for(tin1:ncol ) SD ) }
y=sd[，t]
是yhat=mean(y )
SSR=(SD(y ) )2) *10
sum=0
for(Iin1:11 ) {
for(jin1:11 ) {
(sum=sum wmx[i，j]*(y[I]-yhat ) ) *(y[j]-yhat ) ) ) ) 65 )
}
mi[t]=(sum/SSR ) *(11/S0 ) ) ) ) ) ) ) ) ) )。
}
所得cxdbg指数如下，均为负数，表明该经济指标与空间聚集度呈负相关。
图4.png
如何计算cxdbg指数的z值和p值还没有结束，敬请期待。 Q461157910