地理加权回归系数怎么看

‘壹’ 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

‘贰’ 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。

‘叁’ 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。

‘肆’ 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。

(4)地理加权回归系数怎么看扩展阅读

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。

‘伍’ 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。

‘陆’ 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。

‘柒’ 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).

‘捌’ 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

‘玖’ ARCGIS做地理加权回归时输出要素怎么添加

除回归残差之外，输出要素类包含表示观...

‘拾’ 如何采用地理加权的方法计算相邻地区gdp

自从改革开放,中国经济一直处于较快的发展水平,人民生活质量也显着提高,而伴之而来则是能源消耗量的不断增长。我国已经把提高能源利用效率放在了能源战略的核心地位,切实降低单位GDP能耗,转变经济增长方式。而对于具有喀斯特地貌的桂滇黔地区,其发展水平较落后,正处于工业化中期发展重要战略期,短期内的依靠结构性节能的空间不是很大。已有资料显示研发创新对节能减排、降低单位GDP能耗带来好的效果。桂滇黔地区由于各自地理条件、社会发展水平存在着一定的差异,研发创新因素对降低单位GDP能耗发挥的作用也体现出不同的效益。在我国实施自主创新战略及节能减排的宏观大背景下,研究桂滇黔地区研发创新与单位GDP能耗关系的空间分布结构、空间溢出效应及影响关系,进一步从空间角度看,地区之间的技术水平与能耗之间是否也存在着空间相关、溢出效应是否存在呢?如果存在,提高一个地区的技术水平,是否会影响到与它有空间相邻关系的地区的能耗和技术水平呢?科研机构的RD对单位GDP能耗降低是否有影响?如果有,影响程度有多大?而考虑空间异质性之后,地级之间的对单位GDP能耗的影响因素是否具有明显的差异?这对提高能源利用效率、降低其单位GDP能耗,解决桂滇黔地区“能源-经济-环境”三者之间的矛盾,提高桂滇黔地区经济增长质量,具有十分重要的意义。 在对已有的相关文献进行阅读基础上,本论文试图从地理空间的角度,对桂滇黔地区地级市的研发创新与单位GDP能耗关系的空间结构及影响因素,进行探索性空间数据分析及计量实证研究。本论文的主要研究内容如下： 首先,采用ESDA分析方法对桂滇黔地区26个地市研发、单位GDP能耗的空间集聚及溢出效应进行验证分析,并探析其空间集聚程度的时空演变规律,空间结构的稳定性及在空间集聚溢出效应作用下空间结构的稳定性。具体来说,使用LISA方法对2005-2010年桂滇黔地区26个地市研发、单位GDP能耗发展格局的形成和演变过程进行全局空间自相关和局部空间自相关分析。 其次,运用空间误差模型、空间滞后模型和地理加权回归模型,研究桂滇黔地区26个地市研发对单位GDP能耗的空间效应影响。具体来说,是把空间变量及专利授权量、RD经费占GDP比重、RD人员投入、产业结构等其它控制变量引入空间计量经济模型中,分析桂滇黔地区26个地市研发空间集聚产生的溢出效应对单位GDP能耗的影响作用及空间非稳定性。 通过对桂滇黔地区26个地级市的实证研究分析得出以下结论： (1)通过2005-2010年桂滇黔地区地级市专利授权量数据和单位GDP能耗数据的描述性统计分析得知：桂滇黔地区各地级市专利授权量都有了较大的提高,且各地级市专利授权量都处于上升的趋势,平均每个地级市年均增长率达到35.6%。其次,桂滇黔地区各地级市单位GDP能耗大部分都处于下降的趋势,总体水平上也呈现出下降的态势,平均每个地级市年均下降2.67%。 (2)利用ESDA可以得知,桂滇黔地区26个地市研发创新与单位GDP能耗双变量在空间上并非是随机分布的,其具有空间集聚现象。研发创新活动比较频繁的城市多为经济较为发达的地级市,各省区以省会城市为中心,其邻近城市创新强度也较高,向外形成研发创新集群圈,这样的发展演变格局形成了中心—外围的空间模式,表明可能存在相当规模的围绕省会城市的空间集群效应。单位GDP能耗较高的地级市基本上是位于各省区的外围,且各省区连接处的地级市也呈现出相同的单位GDP能耗程度,省区地级市单位GDP能耗高,与其相连接的另一省区地级市单位GDP能耗也高,表现出集聚效应。且这种分布表现出空间负相关性：研发创新程度较高的地市,往往其周边地市单位GDP能耗较低,反之亦然。 (3)通过对空间误差模型、空间滞后模和最小二乘回归估计模型进行对比分析,发现考虑空间因素的空间误差模型和空间滞后模型要优于传统的最小二乘回归估计模型,进一步检验对比,得知空间误差模型是最适合进行桂滇黔地区地级市研发创新与单位GDP能耗关系估计分析的。从空间误差模型的意义和各变量的弹性系数来看,2005-2010年,桂滇黔地区地级市单位GDP能耗的下降主要还是依靠研发创新的专利授权量、RD经费内部支出以及产业结构的促进。其中,在研发创新影响因素中,专利授权量的弹性系数为-0.0114,专利授权量对降低单位GDP能耗的贡献值最高,其次是RD经费内部支出因素,其弹性系数为-0.0062,可见研发创新因素对降低桂滇黔地区地级市单位GDP能耗起到了很好的促进作用,且这种作用也较为明显。对于产业结构影响因素而言,其与单位GDP能耗呈现出负相关关系,其弹性系数为-0.3495,表明第三产业占得比重越高,其单位GDP能耗也相对较低。同时,空间误差模型中的λ值为正且通过了1%显着性水平检验,这说明桂滇黔地区地级市的单位GDP能耗存在一定的空间正相关以及存在一定的集聚效应。 (4)利用地理加权回归分析方法,发现影响桂滇黔地区地市单位GDP能耗的因素在空间上存在着异质性。专利授权量的产出弹性系数有明显的空间变异,大体呈现出从北到南的递减态势。在各个地级市RD经费内部支出的弹性系数中,广西北海市、来宾市、柳州市、玉林市、贺州市、钦州市均没有通过10%显着性水平,剩余的地级市均通过了5%以上的显着性水平检验,这可能是由于RD经费投入产生作用存在一定的滞后性。产业结构估计值的空间变异没有那么强。从各省区的地级市差异来看,处于省会的城市的弹性系数要稍好于其他地级市。在研究成果的基础上,提出相应的政策建议： (1)把研发创新作为桂滇黔地市降低单位GDP能耗“引擎”战略思想； (2)加强桂滇黔地区RD投入,提高RD人员综合素质,形成本地区核心竞争力,降低单位GDP能耗； (3)加强桂滇黔地区产学研之间的合作,将科技技术转化成生产力,降低能源消耗； (4)优化桂滇黔地区产业结构,加大力度对第三产业的发展,降低能源强度； (5)加强省区、地级市间的合作,实现提升研发创新能力与单位GDP能耗降低的共赢。