目录
专题一 地理加权回归下的描述性统计学
专题二 地理加权主成分分析
专题三 地理加权回归
专题四 高级回归与回归之外
更多推荐
以地理加权回归为基础的一系列方法：经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成分分析、地理加权判别分析是处理这类数据的有效模型。
从局部加权回归开始，详细讲述了基于R语言的空间异质性数据分析方法。
专题一 地理加权回归下的描述性统计学
1.R语言操作简单回顾
2.局部加权的基本原理
3.带宽与核函数选择
4.局部加权的均值，标准差和相关系数
5.分位数及基于分位数的稳健估计
专题二 地理加权主成分分析
1.普通的主成分分析，因子载荷与因子得分分析
2.主成分个数的选择,碎石图
3.地理加权的主成分分析
4.主成分的空间载荷
5.空间主导因子分析
专题三 地理加权回归
1.线性回归：高斯－马尔科夫假设
2.地理加权回归：基本方法与稳健方法，异常值的检验
3.带宽选择：修正的赤池信息法
4.系数检验：F1,F2,F3检验
5.空间稳定性检验：蒙特卡洛方法
6.共线性与变量选择：地理加权回归中的岭回归与Lasso回归
7.时空地理加权回归：GTWR 8.QGIS中的地理加权回归
专题四 高级回归与回归之外
1.多尺度地理加权回归:可变带宽的选择
2.异方差模型
3.广义地理加权回归：链接函数，泊松回归与二项式回归
4.空间权重矩阵与半参数地理加权回归
5.分位数回归与地理加权分位数回归
6.判别分析与地理加权判别分析
更多推荐
●R语言分位数回归
●R语言结构方程模型分析与应用
●基于R语言的贝叶斯网络模型实践技术应用
●R语言数据统计分析与ggplot2高级绘图实践应用
●基于R语言的Copula变量相关性分析及应用
●基于R语言的极值统计学及其在相关领域中的实践技术应用
●R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用
●R语言Meta全流程、不确定、回归、诊断分析与绘图及Meta机器学习高级应用
●基于R语言贝叶斯进阶:INLA下的贝叶斯回归、生存分析、随机游走、广义可加模型、极端数据的贝叶斯分析
●基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算）实践技术
【模型汇总】生态、遥感、大气、水文水资源、地下水土壤、人工智能等多领域学习教程
基于R语言经典地理加权回归 半参数地理加权回归 多尺度地理加权回归 地理加权主成分分析 地理加权判别分析等空间异质性数据分析
如果觉得《基于R语言经典地理加权回归 半参数地理加权回归 多尺度地理加权回归 地理加权主成》对你有帮助，请点赞、收藏，并留下你的观点哦！
