El problema de la ubicación de la central (hub) ha sido ampliamente analizado para el caso de los sistemas de sistemas radiales (hub-and-spoke). La presunción inicial es que existe un gran número de demandas que viajan desde puntos de origen hasta sus puntos de destino a través de un set de nodos intermedios de trasbordo. Estos nodos intermedios pueden perderse por diferentes motivos, como desastres naturales, brotes de enfermedades, huelgas de trabajadores, o ataques intencionales. Este artículo presenta un problema de tipo mediana de interdicción de hub, conocido como hub interdiction median-HIM. Puede usarse para identificar un set de instalaciones críticas de un sistema tipo hub-and-spoke que, si se pierde, conduce a la máxima interrupción del servicio del sistema. El nuevo modelo se ha formulado utilizando programación entera lineal, (integer linear programming-ILP). El modelo construye restricciones especiales para dar cuenta de la demanda de “origen-a-destino” (O-D), siguiendo la ruta de menor costo, a través de los hubs restantes. Basándonos en el problema de HIM, se definen dos problemas de protección de hub que buscan minimizar el costo asociado al peor caso posible de pérdida de instalaciones. Se presentan además, resultados de experimentos computacionales, así como a una discusión sobre posibles futuros trabajos en la materia.

枢纽区位研究已广泛应用于中枢辐射型系统分析，其基本假设条件为起始点到目的地之间存在大量旅行需求的中间转运节点。但自然灾害、突发疾病、劳务罢工和蓄意攻击等因素可能导致中间转运节点的丧失。本文提出了一种枢纽封闭中心模型（HIM），可用于识别中枢辐射型系统的重要节点，一旦这些节点丧失，将导致整个系统服务最大程度的瓦解。新模型通过整数线性规划公式建立。模型特殊约束条件的建立基于最小成本路径通过余下枢纽的花费来解释始发到目的地（ origin-to-destination）需求量。基于HIM问题，双枢纽保护问题被定义为旨在最小化系统花费及其与之关联的最坏情况下节点丢失问题。最后，根据计算的经验结果讨论未来可能深入的研究。

Un factor clave para determinar la ubicación de un local de ventas es decidir si se evitará establecerlo junto a la competencia directa o, más bien, conviene agruparse junto a ella. Si se revisa la investigación teórica del tema, encontramos motivos por los que a algunos tipos de tiendas deberían estar juntos, mientras que otros deberían evitarse completamente. Si bien la aplicación de la teoría es directa y simple para algunas clases de tiendas, en muchos otros casos, esta teoría -relativamente estilizada -, se vuelve algo ambigua. Por su parte, el trabajo empírico, que podría reducir esta ambigüedad, se enfrenta a problemas metodológicos y es muy limitado. Son pocos los casos de tipos de tiendas que se han estudiado, y los resultados son, a menudo, inconsistentes. En el presente trabajo, en primer lugar, nos referimos a este problema, evaluando el nivel de evasión o agrupamiento de 54 diferentes tipos de tiendas, en dos ciudades. Para ello utilizamos una nutrida medición intuitiva, que sortea las dificultades metodológicas de anteriores investigaciones. De este modo, encontramos tanto comportamientos de ubicación esperados como inesperados para la teoría. En segundo lugar, exploramos el caso de dos interesante configuraciones inesperadas. Finalmente, discutimos los resultados y proponemos nuevas oportunidades de investigación en el tema.

零售区位确定的一个重要因素在于是否能避免直接竞争或加入集聚。理论研究综述分析了某些类型商店应集聚分布而其他商店分布应趋于分散的原因。虽然可直接将现有理论应用于某些类型商店的研究，但程式化的理论模式在解释许多类型商店的区位选择时却模糊不清。实证工作可降低模糊性，但操作方法比较困难且应用非常有限，因为通常只有少数类型商店被用于实证分析，且其结果时常不一致。为避免这些问题，我们首先采用一种丰富、直观的方法来评估两个案例城市中54种不同商店类型的集聚度或分散度，发现了理论预期与不可预期的区位行为以及一些令人惊讶的复杂区位模式。然后，我们进一步探讨了两种不可预期的和有趣的区位配置模式。最后，讨论了本文的研究结果并给出了后续研究展望。

Al estimar modelos de regresión espacial con el método del máxima verosimilitud (máximum likelihood) y usando matrices de pesos espaciales para representar procesos espaciales, cálculo del término jacobiano (jabobian)—ln(|I−λW|)- sigue siendo un problema central. En principio, y para bases de datos más pequeñas, el uso de los valores propios (eigenvalues) de la matriz de pesos espaciales proporciona una solución muy rápida. Los eigenvalues analíticos para retículas o grillas grandes y regulares son ya conocidos. Para problemas más grandes, que no se presentan en mallas regulares -incluyendo aquellos que se inducen en problemas de paneles espaciales y en problemas de (redes) diádicas-, es posible que resolver el eigenproblem no sea posible. Este artículo estudia una selección de alternativas y comenta acerca de su relativa utilidad. Se cubren las facorizaciones de tipo Cholesky disperso (sparse Cholesky) y de tipo LU dispersas (sparse LU), las aproximaciones Monte Carlo, y Chebyshev, así mismo se utiliza momentos de bajo-orden (lower-order) con interpolación. Los resultados se presentan en términos de diferencias de componentes entre sets de términos jacobianos para bases de datos seleccionadas. En conclusión, se hacen recomendaciones para una serie de contextos analíticos.

当采用表征空间过程的空间权重矩阵对空间回归模型进行最大似然估计时，雅可比矩阵ln(|I−λW|)的计算仍是核心问题。对于小数据集，原则上可利用空间权重矩阵的特征值提供一种快速的解决方案，对于大型规则格网数据特征值分析同样有效。但对于不规则格网大型问题，包括从空间面板和二元（网络）问题中引伸的问题，利用特征值的解决方案可能不适用，对此学术界提出了多种可选替代方案。本文选取已有的几种替代方案并评论各自的相对有效性，其中包括稀疏Cholesky分解和稀疏LU分解法，Monte Carlo和 Chebyshev近似模拟法以及低阶矩插值法。结果以所选数据集雅可比矩阵间特定组份的差异方式显示。最后，推荐了一些分析设定。

En el presente artículo, se introduce un modelo de gravedad Poisson, que incorpora la dependencia espacial de la variable explicada, sin apoyarse en presunciones de distribución restrictivas del proceso subyacente de generación de datos. El modelo comprende de un componente espacialmente filtrado, que incluye las variables de origen, destino y origen-destino específico; y una variable espacial residual que captura la auto-correlación espacial basada en el origen y destino. Se deriva del calculador (2NLS) de dos etapas no lineales de mínimos cuadrados (NLS), el cual es robusto en heterocedasticidad, y por ello controla el problema de sobre-dispersión o baja-dispersión (over and under dispersion), que a menudo se presenta en el análisis empírico de datos discretos; o, en el caso de de sobre-dispersión, cuando se presenta la auto correlación espacial. Este calculador puede demostrar tener propiedades deseables para diferentes supuestos distribucionales, como los flujos observados un componente (espacialmente) filtrado, ya sea Poisson o binomial negativo. En nuestra especificación de modelo espacial auto regresivo (SAR), las estimaciones de los parámetros resultantes se pueden interpretar como los efectos de impacto total implícitos, definidos como la suma de efectos espaciales, directos o indirectos, de retroalimentación (feedback). Los resultados Monte Carlo indican sesgos marginales de muestras finitas en la media y la desviación estándar de los parámetros estimados, y la convergencia de los valores de los parámetros reales, a medida que aumenta el tamaño de muestra. Este artículo ilustra el modelo mediante el análisis de flujos de datos de citas de patentes, a través de las regiones europeas.

本文提出了一种蕴含空间依赖的泊松引力模型，该模型中解释变量无需依赖潜在数据生成过程的限制性分布假设。该模型由包含起点、终点、起点-终点特定变量的空间滤波组分和空间残差变量组成，能捕捉到基于起点和终点的空间自相关。我们推导出一个二阶非线性最小二乘（NLS）估计（2NLS），它对异方差具有鲁棒性，从而可控制对于离散或过离散数据经验性分析中经常出现的过离散和低离散问题。如果空间自相关存在，过离散数据分析就是一个例子。对于不同的分布假设，如或泊松分布或是负二项式分布的观测流或（空间）滤波组分，该估计量显示出令人满意的性能。在本文的空间自回归（SAR）模型设定中，参数估计结果可解释为隐含的全局影响效应，并可被定义为直接和间接的空间反馈效应之和。蒙特卡罗结果给出了参数估计中均值、标准差的临界有限样本偏差，且随样本量增大收敛于真正参数值。此外，本文基于欧洲地区专利引用的流数据进行了模型验证。

Muchas bases de datos que se recopilan para una zona de estudio, consisten en valores recopilados en una retícula cuadrada o en un conjunto de pixeles. Los datos obtenidos por sensores remotos son quizá el ejemplo más común. Frecuentemente deseamos saber si existen subregiones de la zona de estudio que exhiban agrupamiento espacial. En este artículo, sugerimos cómo una aproximación para ubicar agrupamientos espaciales se puede combinar con la práctica común de usar filtros de suavizado (kernels) de 3-por-3 y 5-por-5 filtros, para construir dos test tipo scan, sencillos y fáciles de implementar. Un experimento de simulación demuestra que el poder de estas pruebas para ubicar agrupamientos, se compara favorablemente frente a otra prueba alternativa, que resulta más complicada. Las pruebas usan datos simulados, cambios en una imagen de satélite para un área de estudio en Texas, y con data acerca de los rendimientos de cultivos de trigo.

研究区收集的许多数据集是由基于方格网和像素采集的数据值组成的，遥感数据可能提供了最常见的范例。通常，我们希望了解研究区的子区域是否呈现空间集聚特征。本文提出了一种如何发现空间集聚的方法，可以与采用3*3和5*5平滑滤波或核函数的普通试验相结合，构造两个简单且易于操作的扫描试验。模拟实验结果显示，这些试验在寻找聚集特征的性能上优于更复杂的可替换性试验。文中所用的仿真模拟数据来源于德克萨斯州小麦产量的多时相遥感影像。