三、DSMP/OLS等夜间灯光数据贫困地区识别——MPI和灯光指数拟合、误差分析

一、前言

当我们准备好MPI和灯光指数（包括总灯光指数和平均灯光指数）之后，接下来主要的过程就是通过将MPI和灯光指数拟合，构建多维度指数估算模型，这里我解释一下前文中的MPI计算过程，其实利用熵值法确定指标权重，并通过各 指 标 归 一 化 数 值 乘 以 对 应 的 权 重 再 求 和 后 可 得 MPI。在本研究中，该指数为负向指数，数值越大， 表示贫困程度越低。

主要是将MPI和灯光指数进行线性回归分析，用于构建以夜间灯光指数为自变量的多维 贫困指数模型。

二、具体步骤

1、拟合工具选择

其实为了方便的话，可以直接用Excel，当然为了突出专业性那么可以采取SPSS、matalab等软件进行拟合，那么这里我将演示一下利用Excel和SPSS进行拟合的过程。

Excel中将MPI和灯光指数分别整理好如下：

 （2）选择ANLI和MPI，这里要注意自变量和因变量的选择，也就就是顺序问题，灯光指数是作为自变量，MPI是因变量，所以ANLI在前，MPI在后选中，然后找到菜单栏中的插入散点图。

 特别注意，要先选择好ANLI和MPI，这里我们先平均灯光指数和MPI拟合。

（3）然后找到出现散点图，单击一下散点图任意位置，随后右上角出现的+

 将趋势线勾选上

勾选趋势线之后出现的函数模型中选择更多选项。

 （4）在Excel右侧会出现设置趋势线格式，在最下面有显示公司和显示R2，在散点图上面就会出现对应的模型函数和R2

 结果如下

 SPSS中样将灯光指数和MPI准备好，保存到Excel中

（1）打开SPSS软件，在文件下拉菜单中选择打开Excel

 选择准备好的表格

 （2）导入之后

（3） 找到分析——曲线估算

 （4）设置好变量和因变量

 结果如下：

 至此拟合就结束

2、误差分析，其实这一步比较简单，主要的计算相对误差，就是模拟得到MPI和实际计算MPI之间的相对误差。