经典的线性回归模型是建立在最小二乘法 (OLS模型) 基础上对参数进行“平均”或“全局”估计。如果自变量为空间数据,且自变量间存在空间自相关性,传统回归模型(OLS模型)残差项独立的假设将无法满足。地理加权回归(GWR)模型能够反映参数在不同空间的空间非平稳性,使变量间的关系可以随空间位置的变化而变化,其结果更符合客观实际,能反映局部情况。
杨晴青,刘倩,尹莎,张戬,杨新军,高岩辉.秦巴山区乡村交通环境脆弱性及影响因素——以陕西省洛南县为例[J].地理学报,2019,74(06):1236-1251.
地理加权回归的软件平台有不少,如GWR,Arcgis等,武汉大学卢宾宾老师开发了GWmodel函数包,囊括了地理加权回归分析技术、混合地理加权回归分析模型、地理加权回归分析共线性纠偏、地理加权回归分析预测模型、地理加权汇总统计量、地理加权主成分分析、地理加权判别分析等地理加权建模技术,采用定量分析的手段分析空间数据关系异质性或非平稳性特征。
学习地理加权回归首先了解空间自相关和空间回归分析
数据准备
加载需要的R包
#l