超级会员免费看
本文深入探讨了ArcGIS Pro中的地理加权回归（GWR）工具，作为解决全局线性回归（GLR）非稳定性问题的有效方法。GWR通过为每个要素提供独立的线性方程，考虑了区域变化，从而提高模型精度。文章介绍了GWR工具的参数设置，如邻域类型、带宽选择及其对模型平滑度的影响。通过对不同案例的分析，展示了GWR在解释变量分布和空间关系建模方面的优势，并强调了验证残差随机性的重要性。
地理加权回归工具(GWR)使用
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，只不过相近的事物关联更紧密，邻近要素对要求解的要素影响更大）
订阅专栏 解锁全文
扫一扫
5402
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
