地理加权回归 - 本科生讲义2.ppt

地理加权回归(GWR) 关于地理中的空间异质性问题 胡国华 huguohua188@ 中山大学地理科学与规划学院 线性回归能准确反映相关关系吗？ 一个经典的线性回归问题： 其中：yi为因变量,xji(j=1…n)表示独立解释变量, i为残差 假设我们要研究紧急电话数量与人口，就业等一些列因素的关系，并建立合理的模型，从而对未来的电话数量进行预测。 建立以下一个全局线性回归模型(最小二乘法OLS)： 所求出的回归方程是否能真正反映Y与x之间的相关关系？ 线性回归能准确反映相关关系吗？ OLS 回归：可以构造出最佳描述研究区域中整体数据关系的方程。 1.如果这些关系在研究区域中是一致的，则OLS对这些关系进行很好的建模。 回归方程在为现有关系混合的平均值，将不能为任何一个极值构建出很好的模型。 预测结果的形成空间区域上的聚集（残差表现出空间自相关） 2.如果这些关系在研究区域的不同位置具有不同的表现形式时，则： 地理加权回归GWR GWR是全局模型在空间上的分解, 构造局部的空间相关关系 即上述回归方程中各因子的回归系数是变化的，而不是全局一致。这种变化的回归系数反映的是“相同因素在不同空间位置上产生影响的差异” 空间异质性的概念和产生 空间异质性的概念与数理统计是密切相关的。 样本变异 极端的变异，不是真正的空间异质性 模型不正确的设定造成空间数据聚 有意义的局部变异信