最⼩⼆乘法(OLS)回归模型的对⽐分析
MGWR(Multiscale Geographic Weighted Regression多尺度地理加权回归)
⼀,概念四甲基联苯胺
经典GWR由Fotheringham在1996年提出,基于构建空间权重矩阵的回归模型,普遍⽤于空间的影响因素分析上。SGWR(半参数地理加权回归)由Fotheringham提出,有些学者叫做混合地理加权回归,仅能将不同变量的影响尺度分成全局和局部两类,⽆法进⼀步细分,MGWR由2017年由Fotheringham提出,Yu等在2019年补充完善了MGWR的统计推断,从⽽使得该⽅法可以普遍地⽤于实证研究中。2020年沈体雁⾸次将该模型⽤于北京市的房价分析上。Fast GWR(快速地理加权回归),2019年由Li提出。 2 软件介绍
2.1软件下载
该软件可以在Alisona State University(ASU)免费下载,⽬前最新的版本是2.2.1版本。另有Python版本的源码可供下载。取消职业资格许可
2.2软件操作
MGWR界⾯
lw6b-252GWR参数设定
中国防水网
GWR运⾏界⾯
GWR影响因素和拟合优度检验
MGWR参数设定
MGWR运⾏界⾯
MGWR影响因素和拟合优度检验
OLS影响因素与拟合优度检验
卡巴斯基安全部队2012三,实战
从⽹上爬取上海市星巴克的POI数据,地铁,路⽹,办公楼,商场数据。
硫酸铝钾将数据通过核密度分析并赋值到点要素上,导出为xlsx,xls,dbf⽂件。在MGWR中打开处理好的⽂件进⾏运⾏即可。
四,总结
该实验通过最⼩⼆乘法(OLS)地理加权回归模型(GWR)和多尺度地理加权回归模型(MGWR)分析了上海市星巴克分布的影响因素,结论1:MGWR和GWR相⽐OLS都具有更好的拟合优度,MGWR在本实验中并⽆明显优势,⽽GWR相⽐MGWR拥有更快的速度。
结论·2:MGWR和GWR相⽐OLS会显著提⾼线状影响因素的影响⽐重。