多尺度地理加权回归（MGWR），地理加权回归（GWR），最小二乘法（OLS）回归模型的对比分析

最新推荐文章于 2024-07-21 11:05:11 发布
最新推荐文章于 2024-07-21 11:05:11 发布
阅读量1.9w 收藏 125
点赞数 18
分类专栏： 空间分析
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/weixin_41590039/article/details/115772634
版权
本文介绍了多尺度地理加权回归（MGWR）的概念，包括其发展历程，与经典GWR和半参数GWR的区别。还提供了软件下载和操作的简介，并通过实证研究——分析上海星巴克分布的影响因素，对比了MGWR、GWR和最小二乘法（OLS）的模型效果。研究发现，MGWR和GWR在拟合优度上优于OLS，但MGWR速度较慢，且在本案例中未显现出明显优势。
摘要由CSDN通过智能技术生成

MGWR（Multiscale Geographic Weighted Regression多尺度地理加权回归）

一，概念

经典GWR由Fotheringham在1996年提出，基于构建空间权重矩阵的回归模型，普遍用于空间的影响因素分析上。SGWR（半参数地理加权回归）由Fotheringham提出，有些学者叫做混合地理加权回归，仅能将不同变量的影响尺度分成全局和局部两类，无法进一步细分，MGWR由2017年由Fotheringham提出，Yu等在2019年补充完善了MGWR的统计推断，从而使得该方法可以普遍地用于实证研究中。2020年沈体雁首次将该模型用于北京市的房价分析上。Fast GWR（快速地理加权回归），2019年由Li提出。

2 软件介绍

2.1软件下载

该软件可以在Alisona State University（ASU）免费下载，目前最新的版本是2.2.1版本。另有Python版本的源码可供下载。

2.2软件操作

 

 

 

MGWR界面
最低0.47元/天 解锁文章
Luc_yo
关注
专栏目录
加权最小二乘法_普通最小二乘法OLS与地理加权回归GWR模型的软件操作
weixin_39618806的博客
12-05 4605
距离上次更新又过去了一个星期，都不知道更新啥了，借着上次买了一个教程视频，加上以前看过很多的论文中，觉得地理加权回归GWR模型很实用，就想着出了这一期推送。 这一个星期，我们寝室在周六周天一起出去玩了两天，第一天租了gofun小汽车，去宁波山里小溪泡了个澡，第二天用神州租车租了SUV去了趟绍兴，我还在城区开了两趟车，感觉车技亟待联系和提高，当然晚上还住了一家庭套房...
基于R语言经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成分分析、地理加权判别分析等空间异质性数据分析
weixin_46747075的博客
04-21 1123
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、地理加权主成分分析、地理加权判别分析是处理这类数据的有效模型。
白话空间统计二十四：地理加权回归（三）
03-12 4万+
本章有数学公式……对数学过敏者慎入…… 前文再续，书接上一回……上一次说到，在改进全局回归的基础上，GWR终于横空出世了，从此空间分析领域终于有了自己专用的回归算法。如果说，空间统计有别于经典统计学的两大特征：空间相关性和空间异质性，莫兰指数等可以用来量化空间相关性，那么地理加权回归，就可以用来量化空间异质性。 在对全局回归问题的改进中，局部回归可以说是最简单的方法，GWR继续应用了局
基于python的时空地理加权回归（GTWR）模型
最新发布
frankgis的博客
07-21 2697
时空地理加权回归（GTWR）模型是由美国科罗拉多州立大学的Andy Liaw、Stanley A. Fiel和Michael E. Bock于2008年提出的一种高级空间统计分析方法。它是在传统地理加权回归（GWR）模型的基础上发展起来的，通过结合时间和空间两个维度，提供了一种更为灵活和精确的时空数据分析手段。背景和发展传统的地理加权回归（GWR）模型主要关注地理空间上的数据变化，通过引入地理位置的权重，来刻画不同地理位置下变量之间的关系。
（学习笔记）地理加权回归（GWR）、多尺度地理加权回归（MGWR）原理与软件实现
热门推荐
qq_55655027的博客
09-18 5万+
本文来自多篇文章，本文为学习笔记。 1引言 回归分析是最常用的社会科学统计方法。回归用于评估两个或更多要素属性之间的关系。通过回归分析，我们可以对空间关系进行建模、检查和探究；回归分析还可以帮助解释所观测到的空间模式背后的诸多因素，例如为什么有些地区会持续发生年轻人早逝或者糖尿病的发病率比预期要高的情况。 回归可以分为两类，一类是线性回归，另一类是非线性的基于机器学习算法的回归。 线性回归，用来确定两种或两种以上变量间相互依赖的定量关系。包括普通最小二乘法OLS (Ordinary Lea..
mgwr:多尺度地理加权回归（MGWR）
05-13
中号ultiscaleģeographicallyW¯¯eightedřegression（MGWR） 该模块提供了校准多刻度（M）GWR以及传统GWR的功能。 它建立在稀疏的广义线性建模（spglm）模块上。 特征 通过迭代加权最小二乘对高斯模型，泊松模型和二项式概率模型进行GWR模型校准。 通过黄金分割搜索或等间隔搜索选择GWR带宽 GWR特定的模型诊断，包括多个假设检验校正和局部共线性 参数估计曲面的空间变异性的蒙特卡洛检验 基于GWR的空间预测 通过GAM迭代反拟合对高斯模型进行MGWR模型校准 GWR和MGWR的并行计算 MGWR协变量特定的推论，包括多重假设检验校正和局部共线性 GWR和MGWR的带宽置信区间 引文 Oshan，TM，Li，Z.，Kang，W.，Wolf，LJ，＆Fotheringham，AS（2019）。 mgwr：多尺度地理加权回归的Python实现，用
MGWR多尺度地理加权回归
qq_45846921的博客
05-01 9671
mgwr软件运行了四天了，显示迭代次数才七次，请问什么时候才是个头呀？ 求问大佬
城市数据派（多尺度地理加权回归理论与应用——关于地理加权回归GWR和多尺度地理加权回归MGWR）
qq_41627642的博客
05-15 5480
目前，GWR已经成为处理空间异质性的主要方法之一。与经典的全局回归模型的OLS不同，GWR是局部回归模型，模型系数是通过观测周围的样本来回归得到。 在这里插入图片描述
地理加权回归
02-22
地理加权回归(Geographically weighted regression, GWR)是一种空间分析技术,广泛应用于地理学及涉及空间模式分析的相关学科
多尺度地理加权回归MGWR以及GWR和GTWR
07-13
多尺度地理加权回归（Multi-Scale Geographically Weighted Regression, MGWR）是地理学领域中一种重要的统计分析方法，它扩展了传统的地理加权回归（Geographically Weighted Regression, GWR）。GWR是一种局部回归...
混合地理加权回归模型算法研究
03-25
混合地理加权回归模型算法研究，描述了一种关于混合地理的加权回归模型
GTWR\ MGWR\MGWLR 插件 【ArcGIS】
12-25
本文件是最新版更新的Arcgis做地理加权回归 插件。解决了上版本的提示版本错误问题。能够做空间局部及混合加权回归模型。
MGWR2.2软件安装包
04-30
多尺度地理加权回归专用软件，直接安装即可
混合地理加权回归python实现代码
12-25
通过python编码实现MGWR、MGWTR模型的求解。能够解决空间非平稳性问题。
GWR的应用相关介绍
08-09
对使用gwr分析方法的人可能有点帮助，内容的英文版的，可能需要借助翻译工具额
多尺度地理加权回归（MGWR） 安装包，用户手册，源码及示例数据。
03-11
多尺度地理加权回归（MGWR）是一种统计分析方法，尤其在地理学和环境科学领域广泛应用。它扩展了传统的地理加权回归（GWR），能够处理不同空间尺度下的局部关系，使得模型更具解释力和适应性。GWR是基于局部权重的...
地理加权回归学习记录
maxiao07_03的博客
09-06 2217
地理加权回归GWR 白话空间统计二十四：地理加权回归（三） 地理加权回归可以用来量化空间异质性。 研究区域——利用每个要素的不同空间位置计算距离衰减函数——把每个要素的空间位置（一般是坐标信息（x,y))和要素的值带入到这个函数里面之后，就可以得到一个权重值，这个值就可以带入到回归方程里面去 这个衰减函数的理论基础，正是Tobler提出所谓的“地理学第一定律（Tobler’s First Law或者Tobler’s First Law of Geography)：位置越接近的数据，比远处的数据对结果的影响更
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 2473
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。...
地理加权回归模型 stata
12-02
地理加权回归模型是一种利用地理位置信息加权的回归分析方法，能够考虑空间异质性和空间自相关性。在Stata软件中，可以通过调用相应的地理加权回归模型的命令来实现对空间数据的分析。 地理加权回归模型的优势在于它能够充分利用空间数据的地理位置信息，通过对不同地理位置的数据赋予不同的权重，更好地反映出空间数据的特点。这样，模型能够更准确地拟合数据，并且能够提供更为可靠的空间分析结果。 使用Stata进行地理加权回归分析时，首先需要准备好空间数据，包括地理位置信息和观测变量，然后可以通过调用相关的地理加权回归命令进行分析。在进行分析过程中，需要考虑到地理位置的权重设置，以及空间自相关性的检验和模型拟合效果的评估。 在Stata中进行地理加权回归分析的时候，还可以通过绘制空间数据的地图形式来直观地展示分析结果，从而更好地理解数据的空间特征和相关性。 总之，地理加权回归模型在Stata中的应用能够有效地提高空间数据分析的准确性和可靠性，为理解和解释空间数据的特点和关系提供了有力的工具。
评论 15
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