简介《计量地理学题库.doc》是面向地理科学类本科生及考研学生的计量地理学复习资料以选择题、填空题、名词解释等题型系统梳理核心考点。压缩包内含1个doc文档大小约26KB便于直接阅读、打印或导入笔记工具。目前已有184人学习下载。题库覆盖地理数据处理、单峰负偏态分布、属性数据与空间数据区分、偏相关系数性质、时间序列成分、主成分分析、马尔可夫预测、克里格插值、AHP决策步骤、图论基本要素、网络图基础指标、锡尔系数、回归分析、趋势面分析、聚类分析、空间局部自相关及变异函数四大参数等高频考点还包含洛伦兹曲线、秩相关系数、最短路径、中心选址、地统计学等名词解释多数题目附有参考答案及课本页码便于自查与定位薄弱环节。对准备期末考核、研究生入学考试或自学计量地理学定量分析方法的人群而言这是一份能快速梳理要点、巩固概念记忆的实用题库。 如果你也是地理科学、地理信息科学或人文地理与城乡规划专业的学生大概率对“计量地理学”这门课又爱又恨。爱的是它让地理研究从“看图说话”变成了能用数据说话的硬功夫恨的是它要同时啃数学、统计、软件和地理理论复习起来常常不知道从哪儿下手。我手里这份“计量地理学题库.doc”是从大二期末复习时一直用到现在的一份老文档里面既有按章节整理的经典题目也有我自己补充的易错点批注。这篇博文就借着这份题库把计量地理学到底考什么、怎么刷题、怎么把题目背后的模型原理吃透完整拆开讲一遍。1. 拆题库之前先搞清计量地理学这门课的“骨架”很多人拿到题库的第一反应是翻到答案页开始背这其实是在浪费题库。想用好一份题库得先知道这门课真正在考什么而知道考什么的前提是理解计量地理学本身的知识结构。1.1 它到底在学什么数学语言加上地理问题一句话概括计量地理学就是用数学和统计工具去描述、解释、预测地理现象。传统地理学靠经验归纳比如“沿海地区经济发展普遍更好”计量地理学则要求你把这个判断变成可检验的统计关系比如“海港城市的人均GDP比非海港城市平均高多少这个差异是否显著”。上课的时候老师喜欢强调“地理数据”的特殊性空间数据不是独立样本邻近地区的经济、人口、环境往往互相影响。所以这门课不只是把统计学公式搬到地理学里还要额外处理空间自相关、空间异质性这类“纯粹的统计学不会专门讲”的问题。如果打一个生活化的比方地理位置像快递地址地理现象像包裹内容而计量方法像一辆快递车它负责把散落在不同地址上的数据装车、分拣、配送成可以读懂的“订单报表”。学透这门课之后你至少应该具备四种能力描述数据分布、找变量间的关系、给区域或样本分类、建立模型做预测或决策。1.2 题库按知识模块分布在哪些章节我这份题库开头是一份目录大概按七个模块组织这也是大多数计量地理学教材的通用框架。用表格列出来会更直观模块核心内容高频考法描述统计均值、方差、直方图、洛伦兹曲线、基尼系数计算基尼系数、画/读洛伦兹曲线概率与随机过程正态分布、泊松分布、马尔可夫链概率计算、转移矩阵运算相关与回归相关系数、一元/多元回归、虚拟变量计算回归方程、解读回归表多元统计主成分分析、因子分析、聚类分析、判别分析解释主成分含义、选择聚类方法空间统计空间自相关、Moran’s I、空间插值计算并解读空间自相关系数地理模型引力模型、区位熵、增长极理论用模型公式解决实际问题软件应用SPSS、GeoDa、ArcGIS相关操作看软件输出表、判断操作步骤这个目录最大的价值是告诉你计量地理学不是零散公式的堆砌而是一条从“描述”到“建模”再到“空间化”的完整链路。刷题前先把这七个模块在脑子里过一遍后面不管遇到什么题你都能快速定位它在考哪一环。1.3 为什么题库比教材更适合备考教材的逻辑是知识体系讲清楚每一个公式从哪来、假设是什么题库的逻辑是考察角度告诉你老师喜欢怎么出题、答题时踩分点在哪。就好比学游泳教材教的是肌肉发力原理和水的密度题库则是把你扔进泳池让你在呛水过程中学会换气。所以我的做法是第一轮先看教材建立框架第二轮开始刷题库并一边刷一边回翻教材相关章节。题库里的题目通常是教材例题的变体或综合反复刷能帮你把“懂了”变成“会做”。“懂了但不会做题”恰恰是计量地理学挂科率高的头号原因。2. 题库里最值得反复刷的六类题型刷过几轮之后我发现那份题库里的题目虽然多但核心题型无非六类。把这六类题的解法吃透应试基本就稳了。2.1 计算推导题回归方程与拟合优度这是最经典的一类题给一堆观测数据让你求回归方程。题库里有一道很典型的题目已知样本量n10变量x的合计为50变量y的合计为100x与y的乘积合计为600x的平方合计为300求y对x的线性回归方程。解题时用最小二乘公式斜率 b (n∑xy - ∑x∑y) / (n∑x² - (∑x)²) (10×600 - 50×100) / (10×300 - 50²) 1000 / 500 2截距 a ȳ - b·x̄ 10 - 2×5 0所以回归方程为 y 2x。下一步判断拟合效果还要算判定系数R²公式是R²1-残差平方和/总离差平方和。如果你算出的R²接近1说明自变量能解释因变量的大部分变异。这类题最容易丢分的地方不是计算而是忘了写“先求均值再算离差”步骤不完整会被扣分。我的习惯是每道计算题都在草稿纸上完整写一遍公式而不是只在答案旁边画个勾——考试时老师看的就是你的推导过程。2.2 指标解读题区位熵、基尼系数和Moran’s I题库里有一大块内容是“给一个指标数值让你分析它反映的地理意义”。三个高频指标必须熟练掌握。区位熵LQ用来判断某区域某产业是否具有比较优势公式是区域内某产业占该区域总产值的比重除以全国该产业占全国总产值的比重。LQ大于1说明该产业在该区域的集中度高于全国平均水平通常解读为具有优势小于1则相反。注意分母和分子的口径必须一致用总产值时全用总产值用就业人数时全用就业人数否则结果会失真。基尼系数则建立在洛伦兹曲线之上。先把研究对象按指标大小排序计算累计百分比画出洛伦兹曲线基尼系数就是曲线与绝对平均线之间的面积占绝对平均线以下总面积的比例。取值范围0到1之间越接近0越均衡越接近1越集中。地理学里常用它分析区域经济发展差异、人口分布集中程度。Moran’s I是空间自相关分析中最常见的指标取值范围通常在-1到1之间。大于0表示正自相关即相似值在空间上集聚小于0表示负自相关即高值和低值在空间上交替出现接近0则说明空间分布接近随机。只看指数数值还不行要结合Z得分和P值判断显著性这是题库里反复设置的陷阱。2.3 案例应用题给你一组数据让你选方法计量地理学考试最怕的不是计算而是“开放应用题”题目往往给一个真实研究场景让你说明应该用哪些方法。题库里有这么一道某课题组收集了某省各市的GDP、人口、固定资产投资、教育经费等数据想分析经济发展水平的空间格局和影响因素请设计分析思路。标准思路是分三步先用描述统计和空间可视化看数据总体分布然后用全局Moran’s I判断是否存在空间自相关如果存在进一步做局部空间自相关分析识别热点区最后用回归模型或地理加权回归分析影响因素。选方法的核心逻辑是看数据类型和研究问题定类数据用卡方检验连续变量关系用相关回归含空间位置的数据必须考虑空间统计方法。这类题没有唯一答案但你的思路必须体现出“地理学特色”。如果回答里从头到尾都是普通回归不提空间效应就算公式全对也很难得高分。2.4 简答论述题术语辨析和方法论问题简答题主要考对核心概念的理解。题库中出现频率很高的几个辨析题包括相关分析与回归分析的区别、全局空间自相关与局部空间自相关的区别、主成分分析与因子分析的异同。回答这类题不要只写定义要按“定义公式/原理应用场景举例”的框架来。比如相关分析与回归分析相关分析是对称地考察两个变量的线性关联程度回归分析则要区分自变量和因变量是不对称的预测关系相关分析大多用相关系数r回归分析要建立回归方程并做显著性检验如果问题只问“人口密度是否与房价有关”就做相关分析如果问“人口密度每增加1单位房价平均变化多少”就做回归分析。我在整理这些题目的答案时习惯把同一个辨析点列成对照表背起来效率很高。2.5 软件输出解读题SPSS、GeoDa的表格怎么读现在的计量地理学课程基本都会附带实验课考试也经常直接给你一张软件输出的表格让你解读。SPSS回归输出里最关键的是三块模型汇总表中的R²和调整R²方差分析表中的F值和显著性系数表中的B值、t值和VIF。很多同学手算回归没问题但看到软件表就发懵这需要专门练习。题库里有一类题专门训练“看表说话”例如某个回归模型的调整R²为0.73F统计量对应的显著性水平小于0.01解释变量的VIF值为6.8请问模型是否可靠。你需要回答模型整体解释力较强且统计显著但VIF为6.8说明解释变量之间存在中等程度的多重共线性需要结合方差膨胀因子进一步判断是否需要处理。GeoDa的Moran散点图也要会看第一象限是高-高集聚第三象限是低-低集聚第二和第四象限是异质性区域分别对应在散点图中的位置。2.6 综合应用题从模拟数据到完整分析报告综合题是把前面几种题型串起来的大题通常给一张包含十几个样本的模拟数据表要求完成一次完整分析。题库里最后几套卷子基本都是这种题型我的建议是不要只动笔“想想”而是每道综合题都完整写一遍“研究设计计算过程结果解读”的框架。完整框架可以固定为明确研究问题、交代数据来源与变量、做描述统计、用图表展示分布、根据变量类型选择统计方法、执行计算并给出结果、结合地理背景解释结果。把这一套流程练熟即使考场上遇到没见过的数据也不会慌。3. 从“会做题”到“会分析”把题背后的模型原理补起来刷题刷到一定量你会发现题目在变但背后的原理始终是那几套。想真正拿高分不能只停留在套公式还要把模型为什么这样设计搞明白。3.1 回归的“最小二乘”到底在干什么很多同学背下了公式却说不清为什么回归线要让“残差平方和最小”。其实最小二乘的思想很朴素在散点图里画一条直线每个观测点到这条直线的竖直距离叫残差。把所有残差的平方加起来找到让这个总和最小的那条线就是回归线。为什么用平方而不是直接用距离之和因为直接求和可能出现正负抵消而平方既避免了抵消又放大了偏离较远的点对拟合效果的影响。这也解释了为什么回归对极端值敏感一个离群点会让整条回归线被“拽”过去。理解这一点后再看到教学里强调“先画散点图、删除异常值”就有了底气因为这并不仅仅是操作步骤而是模型性质决定的前提要求。回归之后还要做残差诊断原因在于回归模型假设残差独立、正态、方差相等。如果残差出现明显的趋势或异方差说明模型设定有问题可能需要增加变量、做变换或改用其它方法。3.2 聚类与主成分一个“降维”思路贯穿到底主成分分析和聚类分析在多元统计模块里经常一起考。主成分的思路是把多个相关变量压缩成少数几个综合变量这些综合变量互不相关且能保留原始数据的大部分信息。聚类分析则是把样本按相似性分组组内差异小、组间差异大。用一个生活化例子说明整理衣柜时主成分分析就像把十几件单件衣服归纳成“通勤装”“休闲装”“运动装”三个主题箱聚类分析则像按颜色、季节把所有衣服自动分堆。两者都高度依赖变量间的“距离”或“协方差”概念所以数据标准化是几乎不可省略的步骤。如果变量量纲差异很大——比如一个变量是人均GDP万元另一个是人口密度人/平方公里不标准化直接算聚类结果会被数值大的变量主导这类陷阱在题库中反复出现。3.3 空间自相关地理学特有的统计学问题计量地理学区别于普通应用统计学的关键就是空间自相关。传统统计学通常假设样本独立但地理数据天然不独立一个地区的空气污染会影响下风向地区一个城市的房价也会辐射到周边卫星城。Moran’s I计算的本质是看某个变量在空间邻居之间的相似程度是否显著高于随机状态。计算时先要定义空间权重矩阵W如果区域i和区域j相邻W_ij取1否则取0。然后用公式 I n / S0 × [∑∑W_ij(y_i - ȳ)(y_j - ȳ)] / [∑(y_i - ȳ)²] 来度量空间关联强度。这里的S0是所有权重之和相当于标准化系数。很多人在考试中只把Moran’s I算出来忘了解释显著性检验结果。实际上只有P值小于0.05时我们才能说空间自相关在统计上显著。否则哪怕I0.2也只能视为随机波动。3.4 地理加权回归当“全国平均”解释不了局部普通回归得到的是一个“全局平均系数”它假设某个因素对因变量的影响在整个研究区内是相同的。但地理现象往往存在空间非平稳性教育投入对县域经济增长的影响在东部发达地区和西部欠发达地区可能完全不同。地理加权回归GWR允许回归系数随空间位置变化输出结果是一系列局部系数可以继续做可视化分析。备考时不需要背GWR的复杂运算机制但至少要理解它的思想以及和普通回归的差异。考卷里常见的问法是“为什么研究区域分异性较强时需要用GWR”答题要点是全局回归掩盖了局部信息而GWR能输出每个局部的系数帮助识别影响的空间差异。4. 刷题库时踩过的坑和纠正方法这份题库我前前后后刷了三轮也踩过不少坑。把这些坑写出来是想让你别在同样的地方浪费复习时间。4.1 坑一把题库当教材只背答案不推演我第一轮刷题时犯过一个大错看到熟悉的题目直接看答案心里还想“这我会”。结果模拟考试碰到同一道题只是把数据从10个样本换成15个我就卡在计算步骤上出不来。后来我规定自己每一道计算题必须合上答案动手算完整。背答案只能应付原题手推公式才能应付变化题。4.2 坑二混淆相似指标的计算口径区位熵、基尼系数、Moran’s I这些指标表面看都是“算一个数、看大小”但实际上计算口径特别容易混。比如区位熵可以用产值算也可以用就业人数算基尼系数可以按人口排序也可以按土地面积排序。题库里有一道改编题题干把“按GDP规模排序”和“按人均GDP排序”故意混在一起很多同学没注意算出来的基尼系数虽然数值正确但经济含义完全错误。遇到指标题先圈出题干中的“按什么排序”“基于什么数据”再下笔。4.3 坑三忽视方法的使用前提任何一个统计方法都有使用前提题库里最常见的陷阱就是考察你知不知道这些前提。回归要求线性关系、残差正态且独立聚类要求变量经过标准化处理以消除量纲影响空间自相关分析要求空间权重矩阵设定合理。做题时如果题目没有明确说明也要主动写出“这里假设数据满足……”既能体现严谨性又能帮助自己避免硬套公式。4.4 坑四只练手算不会读软件输出当考试转为上机或混合题型时读软件输出的能力比手算更重要。我有一段时间只看题库里的计算题忽略了软件解读题结果实验考试里面对SPSS回归输出表和GeoDa生成的Moran散点图完全找不到重点。后来我把题库中涉及的输出表都截图打印出来在旁边标出每个数字的含义考前反复翻了几遍效果立竿见影。5. 一套典型综合题的完整拆解这里我拿题库里一道综合题做示例整个分析流程你都值得完整走一遍。题目背景某研究组收集了某省15个县市的人均GDP、城镇化率、第二产业占比、人口密度、距离省会城市距离等数据要求分析县域经济发展的主要影响因素并写出分析思路和步骤。第一步先明确变量角色。人均GDP是因变量其余几个是自变量。第二步做描述统计和相关性分析。通过散点图和相关系数初步判断城镇化率、第二产业占比和人均GDP之间呈正相关距离省会城市距离与人均GDP呈负相关。第三步建立多元线性回归模型输出结果里调整R²为0.78F检验P值小于0.01说明模型整体有效。此时要特别检查VIF如果某个自变量的VIF超过10说明存在严重多重共线性需要考虑删减变量或换用主成分回归。第四步加入空间视角。计算人均GDP的全局Moran’s I得到I0.36且P值小于0.05说明县域经济存在显著空间集聚。这时普通回归可能遗漏空间效应可以进一步拟合地理加权回归比较GWR与普通回归的拟合优度。如果GWR的AIC更低说明考虑空间非平稳性后模型更优。这道综合题的答题要点不在计算量而在逻辑链描述统计、相关分析、回归建模、诊断检验、空间扩展。只要逻辑完整即使具体数值算错也能拿到大部分步骤分。如果直接把回归结果贴上去而不做残差和共线性诊断分数会大打折扣。6. 复习节奏与资料搭配建议最后聊聊怎么把这份题库用在刀刃上。如果你只有一个月的复习时间建议分成三轮。第一轮用两周打基础以教材为主把七个数理模块过一遍同步做题库里的基础计算题和术语辨析题目标不是记住所有公式而是理解每个方法解决什么问题。第二轮用一周半专项突破针对自己的薄弱题型刷题库。比如空间统计不熟就把题库里关于Moran’s I和LISA的题目全部做一遍软件输出看不懂就把SPSS和GeoDa的常见输出表反复对照熟悉每个统计量的位置和含义。第三轮用最后几天做综合模拟挑两三套综合题按考试时间限时完成全程不翻书、不查公式。这个阶段的作用是训练做题节奏和临场心理重点检查自己在哪些环节会卡壳。资料搭配方面我建议准备三样东西一本主流教材当作知识底本一份像“计量地理学题库.doc”这样的题目集作为训练载体以及SPSS或GeoDa软件作为验证工具。每做完一道计算题都可以用软件跑一遍看看手算结果和软件输出差多少。如果差得多往往不是计算错误而是公式理解有偏差这时候回到教材找原因。我自己还有一个习惯给错题建一个简易目录题号后面标注知识模块、错误原因和对应教材页码。第12题是相关分析错因是“显著性水平判断反了”旁边用红笔写“P值小于0.05时才拒绝原假设系数显著”。这种“错因一句话”的方法比整篇抄错题有用得多考前复习时翻起来压力小效率也高。复习到后期你会发现计量地理学这门课的底层逻辑并不复杂先判断数据是什么类型再想清楚研究问题是描述、相关、分类还是预测最后选合适的方法并检查假设是否满足。题库只是帮你把这些步骤练到条件反射。我认为真正能拉开分差的不是你背了多少公式而是面对一个陌生数据问题时能不能快速判断“该用什么方法、为什么用这个方法、结果怎么解读”。把题库刷透再用软件验证几遍这门课想拿高分并不难。本文还有配套的精品资源点击获取