GeoDa与R语言的空间数据回归

GeoDa是一个设计实现栅格数据探求性空间数据分析（ESDA）的软件工具集合体的最新成果。它向用户提供一个友好的和图示的界面用以描述空间数据分析，比如自相关性统计和异常值指示等。

GeoDa的设计包含一个由地图和统计图表相联合的相互作用的环境，使用强大的连接窗口技术。其最初的成果是为了在ESRI的ArcInfo GIS 和SpacStat软件间建立一个桥梁，用来进行空间数据分析（Anselin et al.1993）。发展的第二阶段是由一系列对ESRI的ArcView3.X GIS的执行连接窗口和级联更新的扩展的理念组成。（见Anselin and Bao 1997，Anselin and Smirnov 1998，Anselin 2000）。对比这些扩展，当前的软件是独立的并且不需要特定的GIS系统。GeoDa 能在任何风格的微软公司的操作系统下运行（Win95，98，2000，NT，Me，andXp）。它的安装系统包括了所有需要的文件。

R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。R可以看作贝尔实验室（AT&T BellLaboratories）的Rick Becker、John Chambers和Allan Wilks开发的S语言的一种实现。当然，S语言也是S-Plus的基础。所以，两者在程序语法上可以说是几乎一样的，可能只是在函数方面有细微差别，程序十分容易地就能移植到一程序中，而很多一的程序只要稍加修改也能运用于R。

空间数据是常见的数据形式之一，因此空间数据回归也是最常用的方法之一。由于空间数据之间往往有相关性，它们不满足经典统计学的数据独立性假设，所以回归的理论和建模方式与普通回归模型相比既陌生又复杂。GeoDa与R语言是建立空间回归模型最合适的软件；尤其是GeoDa提供了用户友好的界面，是空间回归方法最方便的建模软件。

一 空间相关 GeoDa的基本操作	1.GeoDa的特性与基本操作        2.空间的局域相关与全局相关度量 3.空间邻接矩阵与权重            4.距离矩阵与距离权重
二 GeoDa中的普通回归       空间依赖	1.最小二乘法                    2.非空间的回归诊断 3.空间依赖推断：拉格朗日乘子法  4.二阶段最小二乘法：空间自回归诊断 5.系数的稳定估计及其方差
三 空间回归	1.空间滞后模型：二阶段估计与极大似然法 2.空间误差回归：广义矩方法与极大似然法 3.空间滞后误差回归：广义二阶段估计 4.空间杜宾模型
四 空间异质性模型	1.非空间模型的空间格局模型：原理与操作 2.基于空间模型的空间格局模型 3.空间模型的选择
五 面板数据分析	1.随机效应模型                     2.固定效应模型 3.混合效应模型                     4.面板数据模型的选择
六 高级空间回归	1.空间滤波方法                     2.矩阵指数空间模型 3.贝叶斯空间回归初步