分析地理加权回归分析结果的操作方法

1、从地理加权回归(GWR) 工具生成的输出包括以下内容：输出要素类可选系数栅格表面整体模型结果的消息窗口报告显示模型变量和诊断结果的辅助表预测输出要素类

2、下文中将使用一系列运行 蘅荫酸圉GWR 和解释 GWR 结果的步骤对以上每项输出进行说明。通常将以普通最小二乘法(OLS) 开始回归分析。有关详细信息，阄唰辔腽请参阅回归分析基础知识和解释 OLS 回归结果。回归分析的一种常用方法是在移动到 GWR 之前识别可能的最佳 OLS 模型。此方法为以下步骤提供了上下文环境。(A)如有必要，打开结果窗口。在已使用OLS 回归工具识别了一个或多个候选回归模型之后，请使用GWR运行这些模型。从 GWR 模型中排除所有局部二进制（哑元）变量，因为这些变量将导致局部多重共线性出现问题，且 GWR 不需要这些变量。您需要为输入要素类提供想要建模/解释/预测的因变量和所有模型解释变量。还需要为输出要素类、核类型（固定或自适应）和带宽方法（AIC、CV 或用户提供的值）提供路径名称。对于“带宽方法”，如果选择“带宽参数”，则需要（为“固定”核类型）提供特定的距离或（为“自适应”核类型）提供特定的相邻点的数目。还可以为GWR 工具文档中所述的可选参数提供值。一个值得特别关注的可选参数是系数栅格工作空间。为此参数提供文件夹路径名称时，GWR 工具将为模型截距和每个解释变量创建系数栅格表面（详见下文）。检查写入到结果窗口的统计汇总报表。右键单击结果窗口中的消息条目，然后选择查看，将在消息对话框中显示 GWR 汇总报表。如果在前景中执行此工具，还将在进度对话框中显示汇总报表。以下是对每个已报告的诊断的描述。

10、消息窗口诊断将与模型变量和参数的相关汇总信息一起写入到辅助表 (_supp) 中。

12、除回归残差易七淄苷之外，输出要素类包含表示观测所得和预测的y值、条件数 (cond)、Local R2、解释变量系数和标准误差的字段：条件数：此诊断用于评估局部多重共线性。存在较强局部多重共线性的情况下，结果将变得不稳定。与大于 30 的条件数相关联的结果可能不可靠。Local R2：这些值的范围是 0.0 与 1.0 之间，表示局部回归模型与观测所得y值的拟合程度。如果值非常低，则表示局部模型性能不佳。映射 Local R2 值以查看哪些位置 GWR 预测较准确和哪些位置不准确可为获知可能在回归模型中丢失的重要变量提供相关线索。已预测：这些值是由 GWR 计算所得的估计（或拟合）y值。残差：要获得残差值，可从观测所得y值中减去拟合y值。标准化残差的平均值为零，标准差为 1。在 ArcMap 中执行 GWR 时，将向内容列表中自动添加包含标准化残差的由冷色到暖色渲染的地图。系数标准误差：这些值用于衡量每个系数估计值的可靠性。标准误差与实际系数值相比较小时，这些估计值的可信度会更高。较大标准误差可能表示局部多重共线性存在问题。

13、检查由 GWR 创建的系数栅格表面（和/或包含面数据的系数栅格表面，面数据即要素级别系数的渐变色彩渲染）以更好地了解模型解彩惚湛厦释变量中的局部变化。使用 GWR 对某些变量（因变量）进行建模时，您通常会关注预计值或了解生成因变量结果的各个因素。然而，您可能还会关注如何检查整个研究区域中因变量与各解释变量之间的关系的空间一致（静态）程度。将系数分布作为表面进行检查将显示变化的位置和变化的程度。您可通过对此变化的了解确定操作策略：通过统计学上表示较小局部变化的较大全局变量可确定全局策略。通过统计学上表示较强局部变化的较大全局变量可确定局部策略。某些变量可能并不是在全局范围内各区域中均比较显著，因为在某些区域中，它们是正相关的关系，而在其他区域中它们则是负相关的关系。