6.统计分析的结果

当总体多样性与地块的可及性相关时，在子模型 "Södermalm "以及街道类型 "城市 "中，相关性通常在较高的半径（Aplot2500）下变得更高，但子模型 "城市+密度类型密集中层 "除外。在街道类型 "Neighbourhood "与密度类型 "Compact Mid-rise "相结合的情况下，与地块类型的相关性在较低的半径上变得更低（表1A）。

当零售业的多样性与地块的可及性相关时，除了 "邻里关系+紧凑的中层建筑 "外，所有子模型的相关性通常在较低的半径（Aplot500）上变得更高（表1B）。

我们可以在此得出结论，零售业的多样性确实与当地测量的地块的可及性有较好的对应关系，并突出了城市中发现的以步行者为导向的城市中心的位置。同时，我们之前的论点，即一般的多样性在整个城市中的分布更均匀，也得到了与较大半径的地块的可及性更好地相关的发现的支持。然而，这里的任何结论仍然是不成熟的。需要进一步调查，特别是通过在其他城市的类似分析。

我们的主要兴趣是地块的可及性和零售业多样性之间的相关性，因为如前所述，零售业集群通常被认为表明了步行者友好型城市中心的位置。因此，在接下来的步骤中，我们特别关注与地块可及性和零售业多样性之间相关性最高的子模型，然后运行线性回归模型。这样做是为了看看数据中是否存在空间相关性的问题，而这是模型所不能解释的。然后绘制残差值，可以看到地图上是否有集中的观察值被过度预测或预测不足，这将意味着在我们的子模型中存在其他空间变量，这些变量推翻了我们通过地块可及性对零售多样性的解释。因此，我们进行，并对子模型 "邻里关系+密集的中层建筑 "进行线性回归分析（R2=0, 194, p<0,05），并绘制残差值（图2）。

图2.两个子模型的残差图。Södermalm和Neighbourhood + Dense middle-rise。

残值图（图2）通过突出预测不足或预测过高的残值的集中，显示了数据中是否存在空间自相关的问题。预测不足的值（图2，棕色），意味着该地区的观察值（零售业多样性）低于对地块的可及性预测。反过来，过度预测值（图2，绿色）表明观察值高于预期。地图上的黄色区域（图2）显示，观察到的数值相对来说是预测的。预测值过高或过低的聚集区对解释结果很有帮助，因为它们突出了一些地区，在这些地区，除了地块的可及性之外，还有其他一些空间条件或其他条件，导致该地区的零售业多样性高于或低于我们模型的预期。

一个值得关注的情况是，尽管零售业的多样性通常由地块的可及性来预测，但一个令人惊讶的例外是繁忙的购物街Birger Jarlsgatan（地图上的棕色），那里的多样性被发现低于预期。因此，我们可以得出结论，可能有一些其他条件影响着这条街道的零售多样性。然而，经过仔细观察，我们意识到这是一条高档时装购物街。这再次强调了对尺度和类别关注的必要性。虽然Birger Jarlsgatan街上的经济活动不可能有普遍的多样性，但它的零售业也不可能有很大的多样性，因为周围没有很多硬设备商店，大多数商店都经营时尚服装。然而，如果我们对多样性进行更细化的分析，只涉及经营服装的零售业，Birger Jarlsgatan可能会显示出非常高的多样性。  这一讨论还不成熟，需要进一步研究，但它引起了人们对多样性研究中规模和分类这一核心问题的关注。

7.结论

本文的目的有两个，第一，提出并实证检验城市多样性和差异化变量（地块）之间的潜在联系；第二，提出衡量多样性的整体复杂性，这与规模和分类的相互关联的问题有关。为了解决这两个问题，我们提出可以通过引入不同种类的多样性来解决标度问题，在我们的案例中，这种多样性对应的是总体多样性（全局性）和零售多样性（本地性）。此外，我们建议将其与几个空间尺度上的差异化变量联系起来。为了控制我们对建筑密度和街道中心性对结果的可能影响的测试，我们引入了几个子模型，在每个子模型中，这两个其他空间变量保持不变。

正如皮尔逊的相关性所显示的，具有较高一般多样性价值（获得各种基本服务）的地区确实与较高半径的地块的可及性有较好的相关性，而具有较高零售多样性价值（获得各种零售服务）的地区则与较低半径的地块的可及性有较好的相关性。这一发现可以进一步作为一个起点，进行更广泛的类似研究，但要跨越几个城市。

此外，当我们更详细地调查零售业多样性的分布时，通过关注其中一个子模型和映射线性回归的残差值，我们发现，一些特定地区的零售业多样性不能用该地区较多的地块来解释。然后我们建议，可能有必要通过引入一种特定类型的零售商业—— 时尚商店下的业态分类，来引入更精细尺度下多样性的度量方法。

尽管还没有定论，但这些观察结果确实支持了我们的假设，即地块的数量（差异性变量）和城市多样性之间存在重要的联系。这是一个重要的发现，需要进一步的、更全面的研究。