计量地理第二章课后题答案.doc

答案徐建华版计量地理学第二章答案点击这里1. 地理数据有哪几种类型，各种类型地理数据之间的区别和联系是什么？12. 各种类型的地理数据的测度方法分别是什么？13. 地理数据的基本特征有哪些？24. 地理数据采集的来源渠道有哪些？25. 数学方法和地理信息系统在地理数据处理中各自发挥什么样的作用？26. 对表2.4.1 中的分组数据，分别计算其平均值、中位数和众数。27. 查阅2011年的中国经济统计年鉴，以各省（直辖市、自治区）的38.某一地区各个亚区的GDP 数据如下表所示。69.如果我们在作罗伦次曲线时，不是把某要素各组分的数据由大到小排序，1111. 根据第10 题中的数据，计算锡尔系数L 指标和T 指标。171. 地理数据有哪几种类型，各种类型地理数据之间的区别和联系是什么？答：地理数据就是用一定的测度方式描述和衡量地理对象的有关量化指标。按类型可分为：1）空间数据：点数据，线数据，面数据；2）属性数据：数量标志数据，品质标志数据地理数据之间的区别与联系：数据包括空间数据和属性数据，空间数据的表达可以采用栅格和矢量两种形式。空间数据表现了地理空间实体的位置、大小、形状、方向以及几何拓扑关系。 属性数据表现了空间实体的空间属性以外的其他属性特征，属性数据主要是对空间数据的说明。如一个城市点,它的属性数据有人口，GDP，绿化率等等描述指标。它们有密切的关系，两者互相结合才能将一个地理试题表达清楚。2. 各种类型的地理数据的测度方法分别是什么？地理数据主要包括空间数据和属性数据：空间数据对于空间数据的表达，可以将其归纳为点、线、面三种几何实体以及描述它们之间空间联系的拓扑关系；属性数据对于属性数据的表达，需要从数量标志数据和品质标志数据两方面进行描述。其测度方法主要有：(1) 数量标志数据 间隔尺度（Interval Scale）数据: 以有量纲的数据形式表示测度对象在某种单位（量纲）下的绝对量。 比例尺度（Ratio Scale）数据: 以无量纲的数据形式表示测度对象的相对量。这种数据要求事先规定一个基点，然后将其它同类数据与基点数据相比较，换算为基点数据的比例。(2) 品质标志数据 有序（Ordinal）数据。当测度标准不是连续的量，而是只表示其顺序关系的数据,这种数据并不表示量的多少，而只是给出一个等级或次序。 二元数据。即用0、1 两个数据表示地理事物、地理现象或地理事件的是非判断问题。 名义尺度（Nominal Scale）数据。即用数字表示地理实体、地理要素、地理现象或地理事件的状态类型。3. 地理数据的基本特征有哪些？1 ）数量化、形式化与逻辑化2 )不确定性 3 )多种时空尺度 4 ) 多维性4. 地理数据采集的来源渠道有哪些？1)来自于观测、测量部门的有关专业数据。 2)来自于统计年鉴、统计公报中的有关自然资源及社会经济发展数据。 3)来自于有关单位或个人的不定期的典型调查数据、抽样调查数据。 4)来自于政府公报、政府文件中的有关数据。5)来自于互联网（internet）的有关共享数据。6)来自地图图件。主要包括各种比例尺的地形图、专题地图等。7)来自遥感数据。8)其他来源的有关数据，如室内实验分析数据。 9)来自于档案、图书等文献资料中的有关数据。5. 数学方法和地理信息系统在地理数据处理中各自发挥什么样的作用？答：1）运用数学方法，建立地理数学模型，从更高，更深层次上揭示地理问题的机理。数学方法可以通过定量化的计算和分析对地理数据进行处理。2）地理信息系统在处理空间数据和海量数据方面的功能是非常强大的，而GIS相关软件如ARCGIS等将空间数据域属性数据完美结合，处理起来更方便。6. 对表2.4.1 中的分组数据，分别计算其平均值、中位数和众数。平均值=（25*0.5+96*1.5+136*2.5+214*3.5+253*4.5+286*5.5+260*6.5+203*7.5+154*8.5+85*9.5+24*10.5）/11=867.091；从表2.4.1中可以看到中位数是5.5；1）确定中位数所在的组位置：所以中位数在第六组中；2）求中位数：所以中位数是5.57. 查阅2011年的中国经济统计年鉴，以各省（直辖市、自治区）的GDP 数据为变量，运用平均值、方差、变异系数等统计量,对全国各年经济发展的一般水平、差异情况进行计算和分析。2011年各省人口与GDP统计图省市GDP(亿元)常住人口(万)人均GDP(元)人口比重（P）GDP比重（W)比率（W/p)人口累计值（X）GDP累计值(Y)Pi(2Qi-Wi)贵州5701.84347516408.172662.61%1.10%0.4220 2.61%1.10%0.000 云南8750.95459719036.219273.45%1.69%0.4896 6.06%2.79%0.001 甘肃5020255819624.70681.92%0.97%0.5047 7.98%3.76%0.001 西藏605.8330020194.333330.23%0.12%0.5194 8.20%3.87%0.000 安徽15110.3595025395.462184.46%2.92%0.6532 12.67%6.79%0.005 广西11714.35460325449.380843.45%2.26%0.6545 16.12%9.05%0.005 江西11583.8445725990.127893.34%2.24%0.6684 19.46%11.29%0.007 四川21026.7804226146.107936.03%4.06%0.6725 25.50%15.34%0.016 河南27232.04940228964.092757.05%5.26%0.7449 32.55%20.60%0.025 海南2515.2986729011.418690.65%0.49%0.7462 33.20%21.08%0.003 青海1634.7256329035.879220.42%0.32%0.7468 33.62%21.40%0.002 湖南19635.19656829895.234474.93%3.79%0.7689 38.55%25.19%0.023 新疆6574.54218130144.612561.64%1.27%0.7753 40.19%26.46%0.008 山西11000.2357130804.256512.68%2.12%0.7923 42.87%28.58%0.015 黑龙江12503.8383132638.475592.87%2.41%0.8394 45.74%30.99%0.017 宁夏2060.7963032710.952380.47%0.40%0.8413 46.22%31.39%0.003 陕西12391.3373333193.945892.80%2.39%0.8537 49.02%33.78%0.018 河北24228.2718533720.528885.39%4.68%0.8673 54.41%38.46%0.039 湖北19594.19572434231.638714.29%3.78%0.8804 58.70%42.24%0.035 重庆10011.13288534700.623922.16%1.93%0.8925 60.87%44.17%0.019 吉林10530.71274638349.271672.06%2.03%0.9863 62.93%46.20%0.019 福建17410.21368947194.930882.77%3.36%1.2138 65.70%49.56%0.027 山东45429.2957947425.827337.19%8.77%1.2198 72.88%58.33%0.078 辽宁22025.9437550344.914293.28%4.25%1.2948 76.16%62.58%0.040 广东52673.591043050502.003847.83%10.16%1.2989 83.99%72.74%0.106 内蒙古14246.11247157653.217321.85%2.75%1.4828 85.84%75.49%0.027 浙江32000544358791.107844.08%6.18%1.5121 89.93%81.67%0.064 江苏48604.3786661790.363595.90%9.38%1.5892 95.83%91.05%0.102 北京16000.4196181593.064761.47%3.09%2.0985 97.30%94.14%0.027 上海19195.69230283387.011291.73%3.70%2.1447 99.03%97.84%0.033 天津11190.99129486483.693970.97%2.16%2.2243 100.00%100.00%0.019 全国518202.2613327838881.30524100.00%100.00%1.0000 200.00%200.00%3.000 根据基尼系数的公式 ：得G=0.2168.某一地区各个亚区的GDP 数据如下表所示。试作出其各年份的罗伦次曲线、计算集中化指数，并由此比较不同年份该地区GDP 在亚区之间分布的集中化程度。亚区代码年份19992000200120022003200411645.533769.693755.613469.813445.992962.48279.66151.55174.88153.98137.41141.923390.24628.94673.39735.93634.23641.52474.12210.81223.87193.17173.03162.785167.38517.09411.58462.88393.17480.73644.55187.06201.89189.5189.69154.757150.88402.74465.04499.11446.98469.678211.62657.16733.89921.47938.481036.949136.7256.6271.15329.78354.43343.18合计2900.686676.36911.296955.996713.166394.281999年GDP：1999年GDP情况亚区序号GDPGDP%GDP累积%11645.530.5672911180.5672911182390.240.1345339710.7018250893211.620.0729553070.7747803964167.380.0577037110.8324841075150.880.0520153890.8844994976136.70.0471268810.931626377779.660.0274625260.959088903874.120.0255526290.984641532944.550.0153584681合计2900.68集中化指数：A=0.5672911+0.7018251+.+1=7.636237R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=0.662000年GDP情况亚区代码GDPGDP%GDP累积%13769.690.555870.555872657.160.09690.652773628.940.092740.745514517.090.076250.821765402.740.059390.881156256.60.037840.918997210.810.031090.950088187.060.027580.977669151.550.022351.00001合计6781.64集中化指数：A=0.0223471+0.0499304+.+1=2.4962384R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=-0.6252001年GDP情况亚区代码GDPGDP%GDP累计%13755.610.54340220.54340222733.890.10618710.64958933673.390.09743330.74702264465.040.0672870.81430965411.580.05955180.87386156271.150.03923290.91309447223.870.03239190.94548638201.890.02921160.97469799174.880.02530351合计6911.291集中化指数：A=0.5434022+0.6495893+.+1=7.4614638R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=0.6152002年GDP情况亚区代码GDPGDP%GDP累计%13469.810.4988230.49882332921.470.1324710.63129483735.930.1057980.73709284499.110.0717530.80884535462.880.0665440.87538946329.780.0474090.92279897193.170.027770.95056928189.50.0272430.97781199153.980.0221361合计6955.991.集中化指数：A=0.4988233+0.6312948+.+1=7.4026257R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=0.62003年GDP情况亚区代码GDPGDP%GDP累计%13445.990.513320.51331862938.480.13980.65311573634.230.094480.74759134446.980.066580.8141745393.170.058570.8727416354.430.05280.92553737189.690.028260.95379378173.030.025770.97956859137.410.020471合计6713.161集中化指数：A=0.5133186+0.6531157+.+1=7.4598401R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=0.6152004年GDP情况亚区代码GDPGDP%GDP累积%12962.480.46330160.463301621036.940.16216680.62546843641.520.10032720.72579564480.730.07518130.80097685469.670.07345160.87442846343.180.05366980.92809827162.780.02545710.95355548154.750.02420130.97775679141.290.02209631合计6394.281集中化指数：A=0.4633016+0.6254684+.+1=7.349381R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=0.5875对比以上6幅图，及其I值可以看到1999年，2001年，2002年，2003年，2004年的集中化程度基本相似，其中1999年的集中化程度最高，2004年的集中化指数最低。9.如果我们在作罗伦次曲线时，不是把某要素各组分的数据由大到小排序，而是由小到大排序，其结果又会怎么样呢？如果这样操作，集中化指数的计算公式又应该是什么样的？根据表2.5.3 中的数据，试把各亚区的GDP 数据由小到大排序，作出各年份的罗伦次曲线、计算集中化指数，并将计算结果与第8 题的计算结果进行比较。从小到大排列后：1999年GDP情况：1999年GDP情况亚区代码GDPGDPGDP累计144.550.0153584680.0153585274.120.0255526290.0409111379.660.0274625260.06837364136.70.0471268810.11550055150.880.0520153890.16751596167.380.0577037110.22521967211.620.0729553070.29817498390.240.1345339710.432708991645.530.5672911181合计2900.6812.363763集中化指数：A=0.0153585+0.0409111+.+1=2.363763R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=-0.662000年GDP情况亚区代码GDPGDPGDP累计1151.550.022350.02234712187.060.027580.04993043210.810.031090.08101584256.60.037840.11885335402.740.059390.17824016517.090.076250.25448867628.940.092740.34723028657.160.09690.44413393769.690.555871合计6781.6412.4962384集中化指数：A=0.0223471+0.0499304+.+1=2.4962384R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=-0.6252001年GDP情况亚区代码GDPGDPGDP累计1174.880.02530350.02530352201.890.02921160.05451513223.870.03239190.08690714271.150.03923290.126145411.580.05955180.18569186465.040.0672870.25297887673.390.09743330.35041228733.890.10618710.456599393755.610.54340221合计6911.2912.5385478集中化指数：A=0.0253035+0.0545151+.+1=2.5385478R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=-0.6152002年GDP情况亚区代码GDPGDPGDP累计1153.980.0221363170.02213632189.50.0272427070.0493793193.170.027770310.07714934329.780.0474094990.12455885462.880.0665440860.19110296499.110.0717525470.26285557735.930.1057980240.36865358921.470.1324714380.501124993469.810.4988233161合计6955.9912.5969603集中化指数：A=0.0221363+0.049379+.+1=2.5969603R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=-0.62003年GDP情况亚区代码GDPGDPGDP累计1137.410.020470.02046882173.030.025770.04624353189.690.028260.07449994354.430.05280.12729625393.170.058570.18586336446.980.066580.25244597634.230.094480.34692168938.480.13980.486718693445.990.513321合计6713.1612.5404578集中化指数：A=0.0204688+0.0462435+.+1=2.5404578R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=-0.6152004年GDP情况亚区代码GDPGDPGDP累计1141.290.02209630.02209632154.750.02420130.04629763162.780.02545710.07175484343.180.05366980.12542465469.670.07345160.19887626480.730.07518130.27405747641.520.10032720.374384681036.940.16216680.536551492962.480.46330161合计6394.2812.6494429集中化指数：A=0.4633016+0.6254684+.+1=7.349381R=1/9*1+2/9*1+.+9/9*1=5M=9*1=9I=0.5875结论：如果将各组分数据从小到大排列则洛伦兹曲线会是程下凹的曲线。如果这样操作，集中化指数的计算值公式将会是I=比较6幅图及观察I值可知：1999年的集中化指数最大2004年的集中化指数最小。并且集中化指数和从大到小排序的结果一样。根据指数越大集中化程度越大知道1999年的集中化成都最大，2004年的集中化程度最小。10.某一地区各个亚区的人口与GDP 数据如下表所示。试将纵、横坐标均以累计百分比表示，作出罗伦次曲线，并近似的计算基尼系数。习题2.10表 某一地区个各亚区的人口与GDP数据亚区代码人口数/万人GDP/亿元130751479.71285503711.6133710911.86441921855.745256105.61636181487.6172543931.988510238.399543241.491017741168.55全区合计2877112132.55口数累计百分比:亚区代码人口数/万人人口%人口数累积%185500.297170.29717424241920.14570.44287651337100.128950.5718258436180.125750.69757742530750.106880.80445588625430.088390.89284349717740.061660.954502885430.018870.9733759795100.017730.99110215102560.00891合计2877117.62573425GDP累计百分比：亚区代GDP/亿元GDP%GDP累积%13711.610.305920.3059216721855.740.152960.4588771531487.610.122610.5814902941479.710.121960.7034522851168.550.096320.799767576931.980.076820.876584077911.860.075160.951742218241.490.01990.971646529238.390.019650.9912953210105.610.00871合计12132.5517.64077708G=0.00846。11. 根据第10 题中的数据，计算锡尔系数L 指标和T 指标。亚区代码人口数/万人GDP/亿元人口%人口累积%GDp%GDP累积%185503711.610.2971740.2971740.3059220.305922241921855.740.1457020.4428770.1529550.45887733710911.860.1289490.5718260.0751580.534035436181487.610.1257520.6975770.1226130.656648530751479.710.1068780.8044560.1219620.7786162543931.980.0883880.8928430.0768160.855427717741168.550.0616590.9545030.0963150.9517428543241.490.0188730.9733760.0199040.9716479510238.390.0177260.9911020.0196490.99129510256105.610.00889810.0087051全区合计2877112132.55T系数的计算公式：P系数的计算公式为：在EXCEL中算的P系数为0.25246583在EXCEL中算的T系数为-0.653551189