GIS 丨全网最简丨一分钟学会丨地理加权回归分析（GWR）

一分钟学会丨利用ArcGIS完成地理加权回归分析（GWR）

🎈宝子们，今天来给大家分享一个超实用的地理分析方法——地理加权回归分析（GWR），一分钟让你轻松学会。💪

🌟什么是GWR？

GWR是一种空间分析技术，它考虑了数据的空间位置，能够更好地解释地理现象的空间异质性。简单来说，就是不同的地方可能有不同的关系。😉

💡为什么要用GWR？

当我们研究地理数据时，传统的回归分析可能无法准确地捕捉到空间变化。而GWR可以根据不同的地理位置，为每个位置估计一个特定的回归模型，从而更准确地反映地理现象。👍

📖如何进行GWR分析？

1️⃣准备数据：你需要有自变量和解释（因）变量的数据，且这些数据要有地理坐标信息。📍

2️⃣选择软件：有很多软件可以进行GWR分析，比如ArcGIS、Geoda等。🖥️（演示软件为ArcGIS）

3️⃣运行分析（图2）：在软件中导入数据，设置参数，然后运行GWR分析。🎉

4️⃣解释结果：分析结果会给出每个位置的回归系数和其他统计信息，你可以根据这些信息来解释地理现象。📄

✨GWR的应用领域非常广泛，比如城市规划、环境科学、经济学等。它可以帮助我们更好地理解地理现象的空间分布和变化规律。💼

😎简单实用！赶紧试试吧！💖

一分钟学会丨利用ArcGIS完成地理加权回归分析（GWR）

• 查看数据属性表确定因变量和解释变量！
• ArcToobox→空间统计工具→空间关系建模→地理加权回归(GWR)→自变量（1个）、解释变量（多个）参数选择→结果输出
• 查看输出图层数据及表格。

提示：在做GWR之前可以对数据做一个普通最小二乘法计算。

Coefficient变量的系数

Radjusted，拟合优度

VIF，大于7.5，说明有共线性问题，剔除共线性的可能变量，从VIF大的变量开始剔除

P值要显著

当Koenker显著时，看robust显著性;反之，看常规显著性;Keonker说明变量在有的区域作用明显，而在有些地区作用不明显，如果K值显著，就说明可以考虑一下做GWR回归。

JarqueBera值是用来检验残差是否正态分布;这个值理论上不应该是显著的，如果显著，就需要补充独立变量

R方:拟合优度

AIC:也是拟合效果的指标，越小越好;相差3以上时，说明是更优的模型

数据源自b站：星星来点灯呀。