地理加权回归GWR是什么?原理、操作与案例.docxVIP

  • 0
  • 0
  • 约8.48千字
  • 约 16页
  • 2026-11-18 发布于北京
  • 举报

地理加权回归GWR是什么?原理、操作与案例.docx

地理加权回归GWR是什么?原理、操作与案例

案例数据下载:/data/gwr_sample.csv

方法简介

普通最小二乘回归(OLS)给出的是“平均关系”:收入每提高一万元,房价平均上涨多少,这个系数在整个研究区域内被当成同一个数。但房价、地价、污染、犯罪率这类空间数据,同一种影响因素在不同位置的作用强度往往并不相同——核心区的收入弹性可能远高于外围,地铁溢价在近郊强、在远郊弱。把这种差异压成一个平均系数,既会掩盖局部规律,也会让残差在空间上成片聚集。地理加权回归(GeographicallyWeightedRegression,GWR)的做法是:为每一个观测位置单独拟合一套回归方程,离该位置越近的样本权重越大,于是回归系数不再是常数,而是随空间位置变化的“局部系数”βj(ui,vi)。SPSSAU的地理加权回归GWR会同时输出全局OLS基准、局部系数汇总、逐样本局部系数与局部R2,用来回答“这个关系在哪儿更强、在哪儿更弱”。

对第i个位置,局部系数由加权最小二乘求得:

β?i=(XTWiX)?1XTWiy

其中Wi=diag(wi1,…,win)是第i个位置的权重矩阵。双平方核(bisquare)下,权重为

wij=[1?(dij/bi)2]2,当dijbi;否则为0

dij是位置i与样本j的平面距离,bi

文档评论(0)

1亿VIP精品文档

相关文档