地理加权回归结果怎么看

⑴ arcgis地理加权回归没有系数

直接查看分析后得到的属性表。
如果回归没有系数的话，你可以直接查看分析后得到的属性表，属性表中有各个变量的系数以及其他系数所构成的表。
地理加权回归是若干空间回归技术中的一种，越来越多地用于地理及其他学科。通过使回归方程适合数据集中的每个要素，GWR可为您要尝试了解/预测的变量或过程提供局部模型。

⑵ gis进行地理加权回归解释变量局部共线性怎么解决

对于具有统计显着性的系数，其概率和/或稳健概率列的
p
值旁将带有星号。您也可以从此报表该页上的信息了解是否存在任何冗余的解释变量（表示有问题的多重共线性）。除非理论另有说明，否则应逐个删除具有较高方差膨胀因子
(VIF)
值的解释变量，直到剩下的所有解释变量的
VIF
值均小于
7.5。
Koenker
(BP)
统计量（Koenker
的标准化
Breusch-Pagan
统计量）是一种检验方法，用于确定模型的解释变量是否在地理空间和数据空间中都与因变量具有一致的关系。如果模型在地理空间中一致，由解释变量表示的空间进程在研究区（进程稳态）各位置处的行为也将一致。如果模型在数据空间中一致，则预测值与每个解释变量之间关系的变化不会随解释变量值的变化而变化（模型不存在异方差性）。假设要对犯罪情况进行预测，其中一个解释变量为收入。如果对收入的中位数较小的位置的预测比对收入的中位数较大的位置的预测更准确，则说明模型的异方差性就会出现问题。该检验的零假设为所检验的模型是稳态的。对于大小为
95%
的置信度，p
值（概率）小于
0.05
表示模型具有统计学上的显着异方差性和/或非稳态。如果该检验的结果具有统计显着性，则需参考稳健系数标准差和概率来评估每个解释变量的效果。具有统计显着性非稳态的回归模型通常很适合进行地理加权回归
(GWR)
分析。

⑶ 统计学的知识，有没有人知道地理加权回归模型

愤怒的小小刚
LV.7 2019-01-14
s://blog.csdn.net/allenlu2008/article/details/72870882

⑷ 关于地理加权回归模型的问题，有没有懂统计学的大神解释一下。

s://blog.csdn.net/allenlu2008/article/details/72870882
地理加权回归分析完成之后，与OLS不同的是会默认生成

⑸ 求助用matlab怎么做地理加权回归

地理加权回归(Geographically Weighted Regression，简称GWR)，由英国Newcastle大学地理统计学家A.S Fortheringham及其同事基于空间变系数回归模型并利用局部多项式光滑的思想提出的模型。模型公式如下：
其中(yi;xi1,xi2,…,xip)为在地理位置(ui,vi)处的因变量y和自变量x1,x2,…,xp的观测值(i=1,2,…,n).βj(ui,vi)(j=0,1,…,p)为观测点(ui,vi)处的未知参数,它是(ui,vi)的未知函,εi(i=1,2,…,n)为独立同分布的随机误差,通常假定其服从N(0,σ2).

⑹ 回归分析的公式中，Xi、Yi指的是什么怎么计算

Xi指的是第i个数据中的X值，Yi指的是第i个数据中的Y值。

Xi中的i=1，2，3，4……i只是一个代号，它可以等于1，2，3等等的值，即X1，X2，X3，i只是X下标的一个总称。

例如：有四组数据（X，Y)：(1，2)、(3，4)、(5，6)、(7，8)

当i=1时，即Xi=X1，X1=1，X1就是第一组数据中的X值为1。

同理，X2=3，X3=5，X4=7。

(6)地理加权回归结果怎么看扩展阅读

回归分析估计了两个或多个变量之间的关系。

比如，在当前的经济条件下，要估计一家公司的销售额增长情况。现在，有公司最新的数据，这些数据显示出销售额增长大约是经济增长的2.5倍。那么使用回归分析，就可以根据当前和过去的信息来预测未来公司的销售情况。

使用回归分析的好处良多。具体如下：

1、它表明自变量和因变量之间的显着关系；

2、它表明多个自变量对一个因变量的影响强度。

回归分析也允许去比较那些衡量不同尺度的变量之间的相互影响，如价格变动与促销活动数量之间联系。这些有利于帮助市场研究人员，数据分析人员以及数据科学家排除并估计出一组最佳的变量，用来构建预测模型。

在所有的回归方法中，OLS最为着名，也是所有空间回归分析的正确起点。它可为尝试了解或预测（早逝/降雨）的变量或过程提供一个全局模型，而且，它可创建一个回归方程来表示该过程。

地理加权回归 (GWR) 是若干空间回归方法中的一种，被越来越多地用于地理及其他学科。通过对数据集中的各要素拟合回归方程，GWR为要尝试了解/预测的变量或过程提供了一个局部模型。若使用得当，这些方法可提供强大且可靠的统计数据，以对线性关系进行检查和估计。

⑺ 地理加权回归是怎么一回事(GWR)

1 http://ke..com/view/1189359.html?tp=0_00
2 http://www.cqvip.com/qk/91153A/200803/27235808.html
3 http://www.pinggu.org/bbs/dispbbs.asp?boardid=64&ID=213568
他是空间经济计量学的一个模型
D.P.McMillen和J.F.McDonald(1997)，C.Brunsdon,A.S.Fotheringham;MartinCharlton(1996)，提出地理加权回归模型（简称GWR模型）。
软件：matlab,gauss均可，只是需要相关检验的时候，需要自己编程

⑻ 求教：地理加权回归做出来结果（GWR）怎么检验

SAM软件可以做GWR模型也可以检验。输入多个变量不能计算，估计是因为你的数据有问题。但是把那个有问题的数据删除了就可以计算。GWR缺少统一的统计推断框架。不同区位回归系数之间的依赖性也没有在模型中说明。因此，GWR中标准误是近似的。这是由于不同区位参数估计中，重复使用了数据；还因为应用这些数据线估计了带宽，然后估计回归系数。求教：地理加权回归做出来结果（GWR）怎么检验

⑼ 如何运用Matlab进行地理加权回归分析

地理加权回归，由英国Newcastle大学地理统计学家A.S Fortheringham及其同事基于空间变系数回归模型并利用局部多项式光滑的思想提出的模型。模型公式如下：
其中(yi;xi1,xi2,…,xip)为在地理位置(ui,vi)处的因变量y和自变量x1,x2,…,xp的观测值(i=1,2,…,n).βj(ui,vi)(j=0,1,…,p)为观测点(ui,vi)处的未知参数,它是(ui,vi)的未知函,εi(i=1,2,…,n)为独立同分布的随机误差,通常假定其服从N(0,σ2).

⑽ 地理加权回归

这些都是统计分布的特征参数。min就是最小值，max是最大值，mean是平均值,median是中位数，1st quantile是第一分位数，就是排名前25%对应的样本值，3nd quantile是第三分位数，也就是前75%对应的样本值。