R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析

最新推荐文章于 2024-09-12 23:21:09 发布
最新推荐文章于 2024-09-12 23:21:09 发布
阅读量363 收藏 3
点赞数 11
分类专栏： 生态 环境 文章标签： r语言 回归 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JWW19903121626/article/details/142169763
版权

在自然和社会科学领域有大量与地理或空间有关的数据，这一类数据一般具有严重的空间异质性，而通常的统计学方法并不能处理空间异质性，因而对此类型的数据无能为力。以地理加权回归为基础的一系列方法：经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成份分析、地理加权判别分析是处理这类数据的有效模型。本次培训从局部加权回归开始，详细讲述了基于R语言的空间异质性数据分析方法。

图片

专题一：地理加权回归下的描述性统计学
1.R语言操作简单回顾
2.局部加权的基本原理
3.带宽与核函数选择
4.局部加权的均值，标准差和相关系数
5.分位数及基于分位数的稳健估计

图片

图片

专题二：地理加权主成分分析
1.普通的主成分分析，因子载荷与因子得分分析
2.主成分个数的选择,碎石图
3.地理加权的主成分分析
4.主成分的空间载荷
5.空间主导因子分析

图片

专题三：地理加权回归
1.线性回归：高斯－马尔科夫假设
2.地理加权回归：基本方法与稳健方法，异常值的检验
3.带宽选择：修正的赤池信息法
4.系数检验：F1,F2,F3检验
5.空间稳定性检验：蒙特卡洛方法
6.共线性与变量选择：地理加权回归中的岭回归与Lasso回归
7.时空地理加权回归：GTWR
8.QGIS中的地理加权回归

图片

专题四：高级回归与回归之外
1.多尺度地理加权回归:可变带宽的选择
2.异方差模型 
3.广义地理加权回归：链接函数，泊松回归与二项式回归
4.空间权重矩阵与半参数地理加权回归
5.分位数回归与地理加权分位数回归
6.判别分析与地理加权判别分析

图片

 

 

为为-180-3121-1455
关注
  • 11
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R统计绘图-线性混合效应模型详解(理论、模型构建、检验、选择、方差分解及结果可视化)
qq_39859424的博客
09-24 2万+
​此文主要涉及线性混合效应模型分析，主要包含以下几部分内容： 1）混合模型基础知识； 2）线性混合效应模型构建(lme4)、检验、解读及可视化； 随机截距与随机斜率模型 3）线性混合效应模型方差分解及可视化； 4）线性混合效应模型比较及选择；
基于R语言地理加权回归、主成分分析、判别分析等空间异质性数据分析
WangYan2022的博客
07-29 2437
以地理加权回归为基础的一系列方法：经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成份分析、地理加权判别分析是处理这类数据的有效模型。从局部加权回归开始，详细讲述了基于R语言的空间异质性数据分析方法。...
基于R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析
weixin_xiao5kou4chang6kai4的博客
05-08 248
在自然和社会科学领域有大量与地理或空间有关的数据，这一类数据一般具有严重的空间异质性，而通常的统计学方法并不能处理空间异质性，因而对此类型的数据无能为力。以地理加权回归为基础的一系列方法：经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成份分析、地理加权判别分析是处理这类数据的有效模型。6.共线性与变量选择：地理加权回归中的岭回归与Lasso回归。3.广义地理加权回归：链接函数，泊松回归与二项式回归。2.地理加权回归：基本方法与稳健方法，异常值的检验。8.QGIS中的地理加权回归。
R语言地理加权回归数据分析
CCfz566的博客
03-07 925
在自然和社会科学领域有大量与地理或空间有关的数据，这一类数据一般具有严重的空间异质性，而通常的统计学方法并不能处理空间异质性，因而对此类型的数据无能为力。以地理加权回归为基础的一系列方法：经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成份分析、地理加权判别分析是处理这类数据的有效模型。6.共线性与变量选择：地理加权回归中的岭回归与Lasso回归。3.广义地理加权回归：链接函数，泊松回归与二项式回归。2.地理加权回归：基本方法与稳健方法，异常值的检验。8.QGIS中的地理加权回归。
R语言生物群落数据统计分析应用
weixin_48548040的博客
11-16 405
本内容以生物群落数据分析中的最常用的统计方法回归和混合效应模型、多元统计分析技术及结构方程等数量分析方法为主线，通过多个来自经典研究中的实例，详细讲述各方法的R语言实现途径（详见教学内容）。主要特点为聚焦群落生态学研究领域，从R语言基础操作和作图、数据准备整理，到各种数量分析方法的应用情景分析，实现从数据整理到分析结果表达的完整的科学研究数据分析及结果展示的全过程，不仅适合R语言和统计分析群落学数据的初学者，也适合高阶应用需求的研究生和科研人员。
R语言多元数据统计分析在生态环境中的实践应用
WangYan2022的博客
01-19 1758
将梳理多元统计中分类/分组和排序/梯度分析各方法不同应用情境，包括生态环境多元数据分析概述、R基础及数据探索、多元数据梯度分析、多元数据分组分析及统计结果作图。
R语言应用之生物群落数据统计分析、贝叶斯方法、多元数据统计分析生态环境应用
weixin_46747075的博客
01-31 705
R是用于统计分析、绘图的语言和操作环境。
"地理加权模型：R-Shiny包的可视化交互式应用程序
≥软件X 20（2022）101250原始软件出版物...接收13二月2022收到修订版2022年9月16日接受2022年保留字：地理加权地理加权分析空间异质性地理加权回归地理加权主成分分析判别地理加权分析a b st ra ct本文
舆情&传染病时空分析文献阅读笔记
weixin_37996254的博客
05-18 1961
[1]朱炤瑗,秦昆,关庆锋,罗萍,姚博睿,漆林,周扬.COVID-19期间国家关系交互网络时空分析研究[J].地理与地理信息科学,2022,38(01):15-22. 研究问题： COVID-19疫情不断蔓延为国际政治、外交关系等带来深刻影响。目前基于复杂网络方法的国际关系研究较少考虑节点的空间属性，难以探索国际关系的动态演化模式及其空间分布特征。该文提出一种结合时间序列聚类与空间统计的国家关系交互网络演化模式探测方法。 研究流程： 获取数据（GDELT是一个实时监测全球新闻媒体中的新闻并进行分析、编码、
主成分分析、因子分析、聚类的概览与比较
彼岸花
05-06 5560
主成分分析、因子分析、聚类的概览与比较 主成分分析：利用降维（线性变换）的思想，在损失很少信息的前提下把多个指标转化为几个综合指标（主成分），用综合指标来解释多变量的方差——协方差结构，即每个主成分都是原始变量的线性组合，且各主成分之间互不相关，使得主成分比原始变量具有某些更优越的性能（主成分必须保留原始变量90%以上的信息），从而达到简化系统结构，抓住问题实质的目的综合指标即为主成分。 求解
R语言论文插图模板第10期—正负柱状图
qq_26447137的博客
09-12 143
R语言论文插图模板第10期—正负柱状图
MATLAB算法实战应用案例精讲-【人工智能】正交实验（附python、R语言和MATLAB代码实现）
qq_36130719的博客
09-10 84
​正交试验设计( Orthogonal experimental design )是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了"均匀分散，齐整可比"的特点，正交试验设计是分析因式设计的主要方法。是一种高效率、快速、经济的实验设计方法。
【逐行注释】自适应Q和R的AUKF（自适应无迹卡尔曼滤波），附下载链接
MATLAB卡尔曼的博客
09-12 418
自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter，AUKF）是一种用于状态估计的滤波算法。自适应无迹卡尔曼滤波适用于非线性和非高斯的系统状态估计问题，可以广泛应用于机器人导航、目标跟踪、航天器导航等领域。它通过动态地调整无迹点的数量和分布，能够更好地适应系统的动态特性，提高估计精度，同时具有较低的计算复杂度。的无迹卡尔曼滤波在无迹卡尔曼滤波的基础上，引入了自适应的思想。通过动态地、同时调整状态转移协方差、观测噪声协方差的大小，从而提高系统的估计精度。
R语言 基础笔记
最新发布
waterHBO的博客
09-12 314
今天不知道要写什么。把之前的笔记复制一下。
R与机器学习系列|15.可解释的机器学习算法（Interpretable Machine Learning）（下）
kelai_6792的博客
09-12 640
此外，Lundberg 和 Lee也开发了其他SHAP值的近似计算方法，虽然不是纯粹的模型无关方法，但也适用于基于树的模型，并且在大多数 XGBoost 算法实现中（包括 xgboost 包）完全可行。关于SHAP值其实我们之前的很多个推文中都介绍到，不论是R版本的还是Python版本的，亦不论是普通的分类问题还是生存数据模型的。我们也可以看到SHAP值对模型的解释在高分的机器学习文献中出现的还是很频繁，如下面的两篇分别发表在EClinicalMedicine和 JAMA surgery上的文章。
LeetCode //C - 363. Max Sum of Rectangle No Larger Than K
Made in Code
09-12 539
【代码】LeetCode //C - 363. Max Sum of Rectangle No Larger Than K。
TensorFlow深度学习框架改进K-means聚类、SOM自组织映射算法及上海招生政策影响分析研究...
拓端研究室TRL
09-11 1063
全文链接：https://tecdat.cn/?p=37652分析师：Chen Zhang在教育政策研究领域，准确评估政策对不同区域和学生群体的影响至关重要。2021 年上海市出台的《上海市初中学业水平考试实施办法》对招生政策进行了调整，其中名额分配综合评价模块的变化尤为关键（点击文末“阅读原文”获取完整代码数据）。相关视频从机器学习和数据分析的角度来看，这为我们提供了一个极具价值的研究场景。在...
R语言如何进行地理加权回归分析
04-01
R语言中可以使用gwmodel包进行地理加权回归分析。 首先安装gwmodel包： ```r install.packages("gwmodel") ``` 然后加载包： ```r library(gwmodel) ``` 使用数据集meuse作为例子，该数据集包含了荷兰一个小地区的铜、铅等重金属元素浓度以及地理位置信息。首先加载数据集： ```r data(meuse) ``` 进行地理加权回归分析需要用到的变量包括自变量和因变量，以及空间变量（例如坐标）。在这个例子中，因变量为铅（lead）的浓度，自变量为距离河流的距离（dist.m）和土壤pH值（pH），空间变量为坐标（x、y）。我们先将数据集按照空间变量进行排序： ```r meuse <- meuse[order(meuse$x, meuse$y), ] ``` 然后将空间变量和自变量提取出来： ```r coords <- data.frame(x = meuse$x, y = meuse$y) xdata <- data.frame(dist.m = meuse$dist.m, pH = meuse$pH) ydata <- meuse$lead ``` 接下来使用gwr函数进行地理加权回归分析： ```r fit <- gwr(coords = coords, x = xdata, y = ydata) ``` 默认情况下，gwr函数使用的是高斯核函数，可以通过bandwidth参数来调整核函数的带宽。带宽越小，核函数的权重越集中，模型的拟合效果会更加精细，但是模型的复杂度也会增加。带宽越大，核函数的权重分布越平均，模型的拟合效果会更加平滑，但是模型的泛化能力会降低。我们可以通过交叉验证来选择最优的带宽值： ```r cvfit <- gwr.cv(coords = coords, x = xdata, y = ydata) cvfit$bw ``` 最优的带宽值会保存在cvfit$bw中。 除了高斯核函数之外，gwr函数还支持其他的核函数，例如指数核函数和双三次核函数。可以通过kernel参数来指定核函数的类型。例如，使用指数核函数： ```r fit <- gwr(coords = coords, x = xdata, y = ydata, kernel = "exponential") ``` 使用双三次核函数： ```r fit <- gwr(coords = coords, x = xdata, y = ydata, kernel = "bisquare") ``` gwr函数的输出结果包括每个样本的系数估计值、t值、p值和R2值等等。我们可以将结果可视化，例如绘制系数估计值的热力图： ```r library(ggplot2) library(RColorBrewer) ggplot(fit$beta, aes(x = coords.x1, y = coords.x2, fill = est)) + geom_raster() + scale_fill_distiller(palette = "RdBu", type = "div") + coord_fixed() + theme_void() + theme(legend.position = "bottom") ``` 这里使用ggplot2和RColorBrewer库来制作热力图。结果如下图所示： ![image](https://user-images.githubusercontent.com/26807215/128842726-6f09b6d9-6de1-4011-8356-2e6d47d16e84.png) 可以看到，距离河流的距离对铅的浓度有显著的正向影响，而土壤pH值对铅的浓度则有显著的负向影响。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值