在时空社会科学研究中，更为常用的是矢量数据（vector data）。所谓矢量数据，就是在直角坐标系中，用X、Y坐标表示地图图形或地理实体的位置的数据。矢量数据一般通过记录坐标的方式来尽可能将地理实体的空间位置表现的准确无误。对于矢量数据，在《地理社会学》中指出：“矢量数据更好地允许个人、道路或政治定义的实体（比如人口普查区）彼此之间的空间邻近性实现可视化。基于矢量数据的空间呈现可以提供用于视觉的检查、调查数据与地理环境之间关系的更直观的平台。”（Porter and Howell 2013）因为矢量数据有这些特征，所以，它在社会分析中被广泛地应用。在时空社会科学研究中，社会、经济等数据一般都转化为矢量数据进行空间分析。矢量数据除了点数据之外，还有更为复杂的表现形式，包括线数据和面数据。这种多样化表现形式，为社会时空分析提供了重要支持。在列斐伏尔看来，社会的空间化是以物质生产尤其是社会关系生产和再生产为核心的辩证法过程，具有共时性、流动化等特征。因此，对于社会时空的分析不能仅仅停留在特定空间点上的分析，而需要从点与点之间的连线以及线与线之间的面上进行分析，这是一个包括点、线、面整合的分析架构，而矢量数据恰恰具有这方面的特征，因此，能够更好满足时空社会科学研究的需要。
对于社会、经济等数据进行矢量化之后，因为赋予了空间的信息，就能够进行更深入地挖掘和分析，从而便于找出社会时空发展与变化的规律。1969年，爱德华·米切尔（Edward J. Mitchell）发表了关于菲律宾新人民军反叛的实证研究论文（Mitchell 1969）。在这个研究中，爱德华·米切尔敏锐地指出了空间对于社会运动的影响，他认为“通过对于经济计量方法的应用能够显示这次反叛的成功与失败可以用少数文化的、经济的和地理的变量来进行解释”。为了形象地说明这一点，在文中作者通过一张菲律宾地图来显示这次反叛所波及的地区及其位置。后来，爱德华·米切尔研究所用的数据引起了帕特里克·多雷安（Patrick Doreian）的注意，后者对于该数据进行进一步挖掘和分析，尤其是对于该数据进行矢量化处理，得到了一些新的研究成果（Doreian 2014）。数据矢量化之后，各种空间回归模型就可以很好地加以应用，数据可以做更好的挖掘。社会数据的矢量化，一种简单常用的办法就是根据数据的地理区域性附加上所在地区的经度和纬度数据。有了经纬度信息，那么，社会现象与其所处的空间就可以对应起来，就可以开展多种空间实证研究（Gu 2012a）。这种矢量化处理方法简单而实用，因此，被广泛应用到社会现象的空间分析中（Gu 2015b）。如果要对数据做更加复杂的分析，就需要进行更为复杂的数据矢量化处理。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
