Документ взят из кэша поисковой машины. Адрес оригинального документа : http://www.geogr.msu.ru/cafedra/segzs/nauchd/pubs/Space_in_economic_geography.doc Дата изменения: Sat May 22 12:12:25 2010 Дата индексирования: Tue Oct 2 11:48:57 2012 Кодировка: koi8-r

Использование представлений о пространстве в экономической географии.
Bivand R. Implementing representations of space in economic geography
// Journal of regional science, Vol. 48, No 1 (2008). Pp. 1-27.

Разбор математических, эконометрических, информационных методов
анализа и обработки пространственной информации. Обзор главных научных
работ в области пространственной географии.

По мнению автора, представление о пространстве является ключевой
концепцией географической науки. Пользуясь количественными методами
экономической географии, автор исследует ее взаимосвязь с пространственной
статистикой и демонстрирует восприятие пространства с точки зрения
экономико-географа.
В работе четко выделяются три раздела - «Представление пространства»,
«Пространство и пространственная статистика» и «Использование
представлений».
В первом разделе акцент сделан на различные способы и методы
представления и изучения пространства.
В 1950-е годы началось активное развитие математической и
теоретической географии, которое стимулировалось идеей об использовании
моделей и теорий, подобных тем, которые уже существовали в других науках.
Предполагалось, что в географии, тесно связанной, с одной стороны, с
естественными, с другой - с социальными науками и экономикой, этот процесс
будет особенно плодотворным. В исследованиях пространства ключевым моментом
становится использование моделей, а также установление тесных связей между
математикой и географией. Крупный вклад в этой области принадлежит Бунге
(Bunge), Хаггету (Haggett), Берри (Berry) и в особенности Торстену
Хегерстранду (Torsten Hagerstrand).
Помимо математической географии в США, Канаде, Великобритании и
Франции развитие получает и использование географических информационных
систем (ГИС). Гарвардская лаборатория компьютерного анализа в 1970-е годы
становится крупнейшим инновационным центром в этой области. ГИС
подразумевает не просто создание топографических карт, но возможность
использования информации для анализа, в частности пространственного. Перед
обычными картами ГИС имеет ряд преимуществ, главными из которых является
возможность трехмерного и многослойного изображения. ГИС можно разделить на
два семейства - векторное и растровое. В векторном семействе акцент
делается на сохранение информации, точной привязке точек и отходящих от них
объектов, например, линий и полигонов. Растровое семейство представляет
действительность в виде непрерывных полей или поверхностей и предполагает
правильное мозаичное представление изображения интересующей территории
обычно в виде квадратов или треугольников в выбранном разрешении. Также
между двумя основными семействами существует гибридный подтип. В статье
дается анализ некоторых функциональных особенностей ГИС-семейств.
Особое место в представлении пространства автор отводит подглаве о
диффузии и взаимодействии, рассматривая работу Торстена Хегерстранда о
диффузии инноваций. Хегерстранд в 1953 году пришел к выводу о том, что
местные фермеры более охотно приспосабливаются к инновациям, когда они сами
живут в непосредственной близости от тех, кто раньше уже приспособился к
этим инновациям. В 1929-1932 гг. исследователь провел опыт. Первые и
последующие «заимствующие» были «заключены» в квадратную сетку размером в
1255 кв. км, нарисованную на плане вокруг поселения Асби, вместе со всем
потенциальными «заимствующими», в данном случае с теми, кто мог бы
претендовать на получение субсидий для улучшения пастбищ. Затем, разбив
сетку на квадраты со сторонами по 25 км, Хегерстранд получил поля средней
информации (MIF) и определил потоки информации с помощь кривой Парето.
Используя модель Монте-Карло, Хегерстранду удалось описать процессы,
протекающие в пространстве, и прийти к выводу об их характере.
Важным в науке остается вопрос о влиянии расстояния на
пространственное взаимодействие между объектами. В этом отношении автору
представляется интересными работы Брокмана (Brockmann), Хафнагела
(Hufnagel) и Гейзела (Geisel) (2006).
Одной из серьезных проблем применения статистических моделей является
использование в них пространственных данных. Порой использование изначально
различной информации приводит к парадоксальному сходному результату, автор
предполагает, что причиной системных ошибок является автокорреляция.
Вторая глава посвящена исследованию пространственной статистики и ее
особенностей. Автор приводит обзор некоторых исследований в этой области.
Отдельное место отводится анализу изучения особенностей пространственных
процессов. В отличие от ГИС пространственная статистика обычно использует
несколько моделей: точечную модель, модели непрерывного пространства или
представления в виде «решетки» данных. Автор подробно разбирает каждый
вариант и указывает на его недостатки и преимущества. В частности, точечные
модели могут фиксировать точное местоположение явления и создавать сложное
описание этого явления. Впоследствии можно исследовать повторяемость
подобных явлений. Если же поверхность исследования неоднородна, в модель
необходимо вносить дополнения.
Мозаичное изображение может быть создано и разделено на части
произвольно, поэтому каждый раз в зависимости от нарезки в итоге могут
получаться различные суммы. Это порождает т.н. модификационную проблему
пространственных единиц. В политической терминологии это явление известно
как джерримендеринг - нарезка избирательных округов с преимуществом для
одного кандидата.
Можно представить элементарную моделируемую ситуацию, когда имеющаяся
у исследователя информация состоит из «гладкостей» и «шероховатостей».
«Гладкости» - это моделируемая информация, а в «шероховатостях» ее не
содержится. С другой стороны, можно предположить, что главная информация
все-таки содержится в «шероховатостях». Ее можно извлечь, используя
«довесок» - «пространственные гладкости», представляющие собой
пространственное моделирование «шероховатостей», другими словами -
пространственную автокорреляцию. В некоторых случаях пространственное
моделирование используется для уменьшения стандартных отклонений
«шероховатостей» или улучшений расчетов стандартных отклонений
«гладкостей», а «пространственным гладкостям» в этом случае не придается
значения.
Особое внимание автор уделяет вероятностным процессам, рассматривает
использование пространственных «весовых» матриц, случайных полей и цепей
Маркова. В частности, приводится пример исследования соседства между
штатами США с помощью метода граф, в результате которого автор
демонстрирует тот факт, что восточные штаты имеют гораздо больше соседей, в
то время как более крупные западные штаты имеют значительно меньше соседей,
а вся территория США разбивается на три части.
Автором рассматривается и особое направление науки - пространственная
эконометрика. На приведенных в статье графиках отражена положительная
динамика цитируемости научных работ, посвященных этому направлению, в
ведущих американских географических изданиях. В подразделе дается краткий
обзор работ, в которых используются эконометрические модели и методы,
например, работа нескольких групп ученых над вопросом, как изменение
транзакционных издержек влияет на расстояние между банком и клиентом.
В итоговой главе автор поднимает проблему отсутствия необходимых
инструментов для анализа информации в ГИС, а также способов обработки
пространственных данных в стандартных статистических программах. Существует
несколько способов решения этой проблемы: создание прикладных
пространственно-статистических программ, а так же создание пространственно-
статистических расширений для существующих программ по обработке
информации. Автор разбирает существующие статистические программы по
обработке пространственной информации, акцентируя внимание на «S-PLUS
SpatialStats», «Matlab», «Spacestat» и «GeoDa».

А. Городецкая