基于地理加权回归的疾病空间分析研究综述.docVIP

基于地理加权回归的疾病空间分析研究综述

一、地理加权回归方法的基础原理与技术演进

地理加权回归（GeographicallyWeightedRegression,GWR）是空间计量经济学领域针对传统全局回归模型“空间均质假设”缺陷发展出的核心分析工具，其核心思想是通过空间权重矩阵将地理位置信息嵌入回归参数估计过程，允许自变量与因变量的关系随空间位置发生变化，从而捕捉疾病分布中普遍存在的空间异质性。传统线性回归模型假设参数在整个研究区域内保持恒定，无法反映疾病风险因素在不同地理单元的作用差异，而GWR模型通过为每个样本点赋予基于距离衰减的权重，使得离样本点越近的观测值在参数估计中贡献越大，最终得到每个空间位置上的局部回归系数，直观呈现疾病影响因素的空间分异特征。

早期GWR模型的权重函数多采用高斯核、双平方核等固定带宽形式，这类方法在研究区域空间尺度统一、样本点分布均匀时表现稳定，但在人口密度差异大、地理单元大小不均的场景下容易产生估计偏差。随着疾病空间分析需求的复杂化，自适应带宽GWR逐渐成为主流，其带宽会根据样本点周围的观测值密度动态调整，有效解决了稀疏区域估计精度不足的问题。进一步的技术延伸中，多尺度地理加权回归（MGWR）的出现突破了传统GWR所有变量共用同一带宽的限制，允许不同解释变量根据自身空间作用尺度选择最优带宽，更贴合疾病风险因素的实际作用规律——例如气温、降水