超级会员免费看
本文介绍了地理加权回归（GWR）在解决全局线性回归（GLR）非稳定性问题上的优势。GWR允许每个要素拥有独立的线性方程，更好地反映区域内的局部关系。文章以911电话呼叫次数为例，详细讲解了GWR工具的参数设置，如输入要素、因变量、模型类型、解释变量、邻域类型和带宽选择，并讨论了如何评估和解释模型结果。GWR工具在模型精度和空间关系分析方面提供了更深入的洞察，是地理空间数据分析的重要方法。
上一节我们讲了GLR广义线性回归，它是一种全局模型，可以构造出最佳描述研究区域中整体数据关系的方程。如果这些关系在研究区域中是一致的，则 GLR 回归方程可以对这些关系进行很好的建模。不过，当这些关系在研究区域的不同位置具有不同的表现形式时，回归方程在很大程度上为现有关系混合的平均值；如果这些关系表示两个极值，那么全局平均值将不能为任何一个极值构建出很好的模型。当解释变量表现出不稳定的关系（例如人口变量可能是研究中某些地区911呼叫量的重要影响因子，但在其他地区可能是较弱的影响因子，这就是不平稳的表现）时，全局模型通常会失效。
为了解决非稳健的问题，提高模型的性能，可以使用将区域变化合并到回归模型中的方法，也就是GWR（Geographically Weighted Regression）地理加权回归的方法。
从数学角度上讲，广义线性回归是将整个研究区域给定一个线性方程。地理加权回归是给每一个要素一个独立的线性方程。
在GWR中，每一个要素的方程都是由邻近的要素计算得到的。（根据地理学第一定律，任何事物都是与其他事物相关的，
订阅专栏 解锁全文
扫一扫
1152
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
