本文介绍了在ArcGIS中利用地理加权回归（GWR）进行空间数据分析，包括GWR的重要参数解释，如带宽、残差平方和、有效数量等，并探讨了AICc和R²在模型选择中的作用。此外，还简述了如何运用ArcGIS进行主成分分析（PCA），将高维数据转换为低维主成分。
利用Arcgis地理加权回归分析
（第一次操作记录，使用或者分析方法不正确欢迎批评指正
看到有说不能全部是点数据，现在我没有完全理解，理解后会在后续文章中解释说明）
继续上一节输入参数如下所示：运行时间很短
生成系数的标准误差，衡量每个系数的可靠性，较大标准误可能出现共线性问题，重点是大于2.5部分。
下面简单对这些指标进行一下解释：
空间统计有空间相关性和空间异质性，莫兰指数量化空间相关性，地理加权回归量化空间异致性。
Bandwidth 或 Neighbors：是指用于各个局部估计的带宽或相邻点数目，并且可能是“地理加权回归”的最重要参数。它控制模型中的平滑程度。通常，您将通过程序选择所需的带宽值或相邻点值，方法是为带宽方法参数选择修正的 Akaike 信息准则 (AICc) 或交叉验证 (CV)。这两个选项都将尝试识别最佳固定距离或最佳自适应相邻点数目。由于“最佳”条件对于 AICc 和 CV 并不相同，因此通常会获得不同的最
最低0.47元/天 解锁文章
扫一扫
5959
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
