使用地理加权回归模型探索空间异质性的R包_第1页
使用地理加权回归模型探索空间异质性的R包_第2页
使用地理加权回归模型探索空间异质性的R包_第3页
使用地理加权回归模型探索空间异质性的R包_第4页
使用地理加权回归模型探索空间异质性的R包_第5页
已阅读5页，还剩4页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

利用地理加权模型探索空间异质性的R包全球价值链模型包括以下功能：全球价值链汇总统计和全球价值链主要组成部分-一元分析，即全球升温潜能值主成分分析、地理加权回归和全球升温潜能值判别分析，其中一些具有基本和稳健的形式。GWmodel软件包附带了五个示例数据集，它们是： (i)佐治亚，(ii)伦敦惠普，(iii)无用，(iv)都柏林选民，以及(v) EWHP。GW模型的一个重要元素是空间加权函数，它量化(或设置)观测变量之间的空间关系或空间相关性。空间目标及其位置邻近关系的确定。六核函数介绍；全局模型(平均核函数): wij=1高斯(高斯核函数):wij=exp (-12 (dijb) 2)Exponential:wij=exp(-dijb)Box-car (box核函数):wij=1 ifdij10，这意味着一个自变量与其他自变量之间存在严重的多重共线性；(3)方差分解比(VDPS)(当VDPS大于0.5时，考虑多重共线性)；(4)条件数法(当该值大于30时，存在强多重共线性)(当矩阵XX的特征根约为0时，设计矩阵x的列向量之间必须存在多重共线性，并且x的多重共线性关系与XX的特征根约为0一样多)。岭回归通常用于解决多重共线性。岭回归是一种有偏估计回归方法，专门用于分析共线性数据。本质上，它是一种改进的最小二乘估计方法。通过放弃最小二乘法的无偏性，以损失部分信息和降低精度为代价得到的回归系数更加实用可靠。病态数据的拟合优于最小二乘法。带局部补偿的GW回归是基于岭回归的原理。岭回归中判断多重共线性和岭参数存在的条件数。5.空间预测全球变暖回归位置S处的空间回归预测可以通过以下宣传来表达：yGWRs=xsT(s)其中
人人文库> 全部分类> 行业资料 > 管理策划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论