如何用gis做地理加权

A. 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...

B. 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。

C. arcgis中怎么进行地理配准

1、在arcgis中找到图示的界面，直接选择对应的坐标系。

D. 几种GIS空间插值方法

GIS空间插值方法如下：

1、IDW

IDW是一种常用而简便的空间插值方法，它以插值点与样本点间的距离为权重进行加权平均，离插值点越近的样本点赋予的权重越大。 设平面上分布一系列离散点，已知其坐标和值为Xi，Yi, Zi （i =1，2，…，n）通过距离加权值求z点值。

IDW通过对邻近区域的每个采样点值平均运算获得内插单元。这一方法要求离散点均匀分布，并且密度程度足以满足在分析中反映局部表面变化。

2、克里金插值

克里金法（Kriging）是依据协方差函数对随机过程/随机场进行空间建模和预测（插值）的回归算法。

在特定的随机过程，例如固有平稳过程中，克里金法能够给出最优线性无偏估计（Best Linear Unbiased Prediction,BLUP），因此在地统计学中也被称为空间最优无偏估计器（spatial BLUP）。

对克里金法的研究可以追溯至二十世纪60年代，其算法原型被称为普通克里金（Ordinary Kriging, OK），常见的改进算法包括泛克里金（Universal Kriging, UK）、协同克里金（Co-Kriging, CK）和析取克里金（Disjunctive Kriging, DK）；克里金法能够与其它模型组成混合算法。

3、Natural Neighbour法

原理是构建voronoi多边形，也就是泰森多边形。首先将所有的空间点构建成voronoi多边形，然后将待求点也构建一个voronoi多边形，这样就与圆多边形有很多相交的地方，根据每一块的面积按比例设置权重，这样就能够求得待求点的值了。个人感觉这种空间插值方法没有实际的意义来支持。

4、样条函数插值spline

在数学学科数值分析中，样条是一种特殊的函数，由多项式分段定义。样条的英语单词spline来源于可变形的样条工具，那是一种在造船和工程制图时用来画出光滑形状的工具。在中国大陆，早期曾经被称做“齿函数”。后来因为工程学术语中“放样”一词而得名。

在插值问题中，样条插值通常比多项式插值好用。用低阶的样条插值能产生和高阶的多项式插值类似的效果，并且可以避免被称为龙格现象的数值不稳定的出现。并且低阶的样条插值还具有“保凸”的重要性质。

5、Topo to Raster

这种方法是用于各种矢量数据的，特别是可以处理等高线数据。

6、Trend

根据已知x序列的值和y序列的值，构造线性回归直线方程，然后根据构造好的直线方程，计算x值序列对应的y值序列。TREND函数和FORECAST函数计算的结果一样，但是计算过程完全不同。

E. 用ArcGIS做地理加权回归总提示模型错误

请问解决了吗？我也是取了对数

F. 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。