地理加权回归GWR简介

地理加权回归GWR简介
一、定义:
地理加权回归(Geographically Weighted Regression,简称GWR)是一种空间数据分析方法,专门用于处理空间异质性(spatial heterogeneity)问题。以下是对GWR的详细简介:

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。

它通过建立空间范围内每个点处的局部回归方程,来探索研究对象在某一尺度下的空间变化及相关驱动因素,并可用于对未来结果的预测。

在空间分析中,观测数据通常按照给定的地理位置作为采样单元进行采样。随着地理位置的变化,变量间的关系或者结构会发生改变,即所谓的“空间非平稳性”。

传统的线性回归模型(如OLS)在分析空间数据时,由于假设变量间的关系在整个地区保持稳定,往往难以得到满意的结果。

二、基本原理
GWR是对普通线性回归模型的扩展,将数据的空间位置嵌入到回归方程中。

在GWR中,回归系数不再是全局的,而是在每个观测点附近局部生成的。这意味着GWR可以捕捉到在空间上不同地区(或位置)的变量之间关系的差异。

GWR模型的基本形式涉及采样点坐标和采样点上的回归参数,这些参数是关于地理位置的函数。

在估算的过程中,GWR采用权函数的方法得到回归参数,其中空间权重矩阵的选取对回归参数的正确估计至关重要。

空间权重矩阵与权函数:
GWR模型的核心是空间权重矩阵,常见的空间权函数有距离阈值法、距离反比法和Gauss函数法等。

这些权函数通过不同的方式表示权重与距离之间的关系,以反映观测点之间的空间关系。

三、应用
GWR通常用于地理信息系统(GIS)和地理统计学中,用于研究空间数据的空间相关性和空间预测。

它对于在不同地理位置或空间单元内有不同影响因素的研究非常有用,例如研究城市不同区域的人口分布、环境质量、经济发展等。

优点:
由于GWR考虑到了空间对象的局部效应,因此其优势是具有更高的准确性。
它能够捕捉到空间数据的非平稳性,提供更精确的空间分析和预测结果。

四、安装
软件下载地址和样例数据下载地址:
ASU网站:https://sgsup.asu.edu/sparc/multiscale-gwr

注:需要填下名字,类型,email 提交后就可以下载软件和样例数据,在同一个页面中可以下载

在这里插入图片描述
执行后汇总信息
R2: 0.389

R2:  0.389

R2在【0,1】之间,R2值越大越好

================================================================================
MGWR Version: 2.2.1
Released on: 03/20/2020
Source code is available at: https://github.com/pysal/mgwr
Development Team: Ziqi Li, Taylor Oshan, Stewart Fotheringham, Wei Kang, 
Levi Wolf, Hanchen Yu, Mehak Sachdeva, and Sarah Bardin
Spatial Analysis Research Center (SPARC)
Arizona State University, Tempe, USA
================================================================================
Model type:                                                             Gaussian
Number of observations:                                                      159
Number of covariates:                                                          1
Dependent variable:                                                      PctBach
Variable standardization:                                                     On
Total runtime:                                                           0:00:00Global Regression Results
--------------------------------------------------------------------------------
Residual sum of squares:                                                 159.000
Log-likelihood:                                                         -225.611
AIC:                                                                     453.222
AICc:                                                                    455.299
R2:                                                                        0.000
Adj. R2:                                                                   0.000Variable                                   Est.         SE  t(Est/SE)    p-value
------------------------------------ ---------- ---------- ---------- ----------
Intercept                                 0.000      0.080      0.000      1.000Geographically Weighted Regression (GWR) Results
--------------------------------------------------------------------------------
Coordinates type:                                                      Projected
Spatial kernel:                                                   Fixed gaussian
Criterion for optimal bandwidth:                                            AICc
Bandwidth used:                                                        33432.930Diagnostic Information
--------------------------------------------------------------------------------
Residual sum of squares:                                                  97.220
Effective number of parameters (trace(S)):                                25.240
Degree of freedom (n - trace(S)):                                        133.760
Sigma estimate:                                                            0.853
Log-likelihood:                                                         -186.503
Degree of Dependency (DoD):                                                0.363
AIC:                                                                     425.486
AICc:                                                                    436.335
BIC:                                                                     506.013
R2:                                                                        0.389
Adj. R2:                                                                   0.272
Adj. alpha (95%):                                                          0.002
Adj. critical t value (95%):                                               3.146Summary Statistics For GWR Parameter Estimates
--------------------------------------------------------------------------------
Variable                        Mean        STD        Min     Median        Max
--------------------      ---------- ---------- ---------- ---------- ----------
Intercept                      0.002      0.426     -0.561     -0.115      1.469
================================================================================
Acknowledgement:
We acknowledge the support of the National Science Foundation under Award 1758786 
from the Geography and Spatial Sciences Program to A. S. Fotheringham which 
enabled this software to be written and made freely available.
================================================================================

运行过程

Started at:  2024-06-05 14:12:56
Running GWR...
Golden section search minimizing AICc
Bandwidth:  430717.46 , score:  454.46
Bandwidth:  693154.83 , score:  454.97
Bandwidth:  268513.38 , score:  453.27
Bandwidth:  168270.18 , score:  451.11
Bandwidth:  106313.09 , score:  448.07
Bandwidth:  68023.2 , score:  443.43
Bandwidth:  44357.45 , score:  438.39
Bandwidth:  29731.85 , score:  437.13
Bandwidth:  20692.25 , score:  466.46
Bandwidth:  35318.05 , score:  436.46
Bandwidth:  38770.91 , score:  437.06
Bandwidth:  33184.5 , score:  436.34
Bandwidth:  31865.61 , score:  436.45
Bandwidth:  33999.32 , score:  436.35
Bandwidth:  32680.63 , score:  436.36
Bandwidth:  33495.62 , score:  436.34
Bandwidth:  33688.09 , score:  436.34
Bandwidth:  33376.86 , score:  436.34
Bandwidth:  33303.34 , score:  436.34
Bandwidth:  33422.18 , score:  436.34
Bandwidth:  33450.26 , score:  436.34
Bandwidth:  33404.89 , score:  436.34
Bandwidth:  33432.93 , score:  436.34
Bandwidth:  33439.53 , score:  436.34
Fitting GWR using optimal bandwidth:  33432.93
Done!
Ended at:  2024-06-05 14:12:56

本blog地址:https://blog.csdn.net/hsg77

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/22799.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MOE原理解释及从零实现一个MOE(专家混合模型)

什么是混合模型(MOE) 一个MOE主要由两个关键点组成: 一是将传统Transformer中的FFN(前馈网络层)替换为多个稀疏的专家层(Sparse MoE layers)。每个专家本身是一个独立的神经网络,实…

[论文笔记]Mistral 7B

引言 今天带来大名鼎鼎的Mistral 7B的论文笔记。 作者推出了Mistral 7B,这是一个70亿参数的语言模型。Mistral 7B在所有评估基准中表现优于最佳的13B开源模型(Llama 2),并且在推理、数学和代码生成方面胜过最佳发布的34B模型(Ll…

odoo qweb template小结

QWeb QWeb是一个基于XML的模板引擎,可用于生成HTML片段和页面。它使用XML格式来定义模板。QWeb通过在模板中添加特定的标记,来指示模板中的数据和逻辑部分。使用QWeb,你可以创建各种不同的模板,例如列表视图,表单视图和报告等。QWeb支持标准的HTML标记和控制结构,如if语…

D435相机结合Yolo V8识别出目标物体,并转点云出抓取位姿。

最近项目上需要完成整个识别、定位、到最后的抓取流程。 分享一下,通过使用D435相机并结合Yolo V8识别出目标物体后,抠取出目标物体部分的有效深度图,最后将前景物体部分的RGB D435相机结合Yolo V8识别出目标物体,并转点云出抓取位…

从高海拔到严寒季的测量作业更要「快准稳」,怎么实现?

西藏那曲海拔4500米公路勘测项目赶工期 “必须要保障在西藏那曲地区承接的公路勘测项目赶工期需求,海拔高达4500米、网络通讯不足、部分范围存在无网以及地基信号覆盖可能不足的情况,需要能满足环境和项目需求的专业RTK设备紧急送到。” 客户的一个电话…

做外贸是否需要代运营?

相信很多做外贸的小伙伴或者公司都有这样的一个困扰,尤其是做SEO以及平台的公司,会很纠结要不要将公司的运营承包出去。 而之所以有这样的困扰,一部分是公司的业务员可能并不擅长运营,或者是业务员抽不出时间去管理运营这块。 而…

映射网络驱动器自动断开的解决方法

如果将驱动器映射到网络共享,映射的驱动器可能会在定期处于非活动状态后断开连接,并且 Windows 资源管理器可能会在映射驱动器的图标上显示红色 X。,出现此行为的原因是,系统可以在指定的超时期限后断开空闲连接, (默认…

PWA缓存策略区别NetworkOnly/CacheFirst/CacheOnly/NetworkFirst/StaleWhileRevalidate

现在来看看 Workbox 提供的缓存策略,主要有这几种: cache-first, cache-only, network-first, network-only, stale-while-revalidate 在前面看到,实例化的时候会给 workbox 挂载一个 Strategies 的实例。提供上面一系列的缓存策略&…

半导体制造中的压缩气体及其高压扩散器如何选择 北京中邦兴业

了解高压扩散器 高压扩散器(HPD)对于保持压缩气体样品中颗粒计数的精度至关重要。它们充当颗粒计数器和压缩气体管线之间的纽带,在气体进入颗粒计数器的样品入口时使其扩散。这确保了压力得到控制,以防止对颗粒计数器样品室的敏感…

uniapp学习(001 前期介绍)

零基础入门uniapp Vue3组合式API版本到咸虾米壁纸项目实战,开发打包微信小程序、抖音小程序、H5、安卓APP客户端等 总时长 23:40:00 共116P 此文章包含第1p-第p10的内容 简介 目录结构 效果 打包成小程序 配置开发者工具 打开安全按钮 使用uniapp的内置组件…

3DMAX一键虚线图形插件DashedShape使用方法

3DMAX一键虚线图形插件使用方法 3dMax一键虚线图形插件,允许从场景中拾取的样条线创建虚线形状。该工具使你能够创建完全自定义的填充图案,为线段设置不同的材质ID,并在视口中进行方便的预览。 【版本要求】 3dMax 2012 – 2025(…

数据结构与算法笔记:基础篇 - 数组:为什么数组都是从0开始编号

概述 提到数组,大家应该都不陌生。每一种编程语言基本都会有数组这种数据类型。不过,它不仅仅是一种编程语言中的数据类型,还是一种基础的数据结构。尽管数组看起来非常简单,但是我估计很多人并没有理解这个数据结构的精髓。 在…

AB测试实战

AB测试实战 1、AB测试介绍🐾 很多网站/APP的首页都会挂一张头图(Banner),用来展示重要信息,头图是否吸引人会对公司的营收带来重大影响,一家寿险公司Humana设计了如下三张头图,现在需要决定使用哪一张放到首页&#x…

FastDFS分布式文件系统

一、概述 FastDFS是一款由国人余庆开发的轻量级开源分布式文件系统,它对文件进行管理,功能包括:文件存储、文件同步、文件访问(文件上传、文件下载)等,主要解决大容量文件存储和高并发访问问题&#xff0c…

jenkins应用2-freestyle-job

1.jenkins应用 1.jenkins构建的流程 1.使用git参数化构建,用标签区分版本 2.git 拉取gitlab远程仓库代码 3.maven打包项目 4.sonarqube经行代码质量检测 5.自定义制作镜像发送到远程仓库harbor 6.在远程服务器上拉取代码启动容器 这个是构建的整个过程和步骤…

保姆级教程:Redis 主从复制原理及集群搭建

😄作者简介: 小曾同学.com,一个致力于测试开发的博主⛽️,主要职责:测试开发、CI/CD 如果文章知识点有错误的地方,还请大家指正,让我们一起学习,一起进步。 😊 座右铭:不…

线程池的工作原理

文章目录 一、应用场景二、工作原理三、主要函数 一、应用场景 传统并发变成的缺陷: 1.创建和销毁线程上花费的时间和消耗的系统资源,甚至可能要比花在处理实际的用户请求的时间和资源要多得多 2. 活动的线程需要消耗系统资源,如果启动太多&…

26、matlab多项式曲线拟合:polyfit ()函数

1、polyfit 多项式曲线拟合 语法 语法:p polyfit(x,y,n) 返回次数为 n 的多项式 p(x) 的系数,该阶数是 y 中数据的最佳拟合(基于最小二乘指标)。 语法:[p,S] polyfit(x,y,n) 还返回一个结构体 S 语法:[…

优化 mac 储存空间的方法 只需一招为你的苹果电脑提速

在职场中,许多人都对苹果电脑情有独钟。苹果电脑以其简洁美观的设计、流畅稳定的性能以及出色的用户体验,成为了众多职场人士的得力助手。无论是处理文档、制作演示文稿,还是进行创意设计等工作,苹果电脑都能展现出其独特的优势&a…

微信小程序公众号二合一分销商城源码系统 基于PHP+MySQL组合开发的 可多商户商家入驻 带完整的安装代码包以及搭建教程

系统概述 微信小程序公众号二合一分销商城源码系统,是基于PHPMySQL组合开发的一款高效、稳定的电子商务平台解决方案。该系统创新性地将微信公众号与小程序的功能进行了深度整合,为商家提供了一个功能齐全、易于管理的分销商城系统。通过此系统&#xf…