MGWR(Multiscale Geographic Weighted Regression多尺度地理加权回归)
一,概念
经典GWR由Fotheringham在1996年提出,基于构建空间权重矩阵的回归模型,普遍用于空间的影响因素分析上。SGWR(半参数地理加权回归)由Fotheringham提出,有些学者叫做混合地理加权回归,仅能将不同变量的影响尺度分成全局和局部两类,无法进一步细分,MGWR由由Fotheringham提出,Yu等在补充完善了MGWR的统计推断,从而使得该方法可以普遍地用于实证研究中。沈体雁首次将该模型用于北京市的房价分析上。Fast GWR(快速地理加权回归),由Li提出。
2 软件介绍
2.1软件下载
该软件可以在Alisona State University(ASU)免费下载,目前最新的版本是2.2.1版本。另有Python版本的源码可供下载。
2.2软件操作
三,实战
从网上爬取上海市星巴克的POI数据,地铁,路网,办公楼,商场数据。
将数据通过核密度分析并赋值到点要素上,导出为xlsx,xls,dbf文件。在MGWR中打开处理好的文件进行运行即可。
四,总结
该实验通过最小二乘法(OLS)地理加权回归模型(GWR)和多尺度地理加权回归模型(MGWR)分析了上海市星巴克分布的影响因素,
结论1:MGWR和GWR相比OLS都具有更好的拟合优度,MGWR在本实验中并无明显优势,而GWR相比MGWR拥有更快的速度。
结论·2:MGWR和GWR相比OLS会显著提高线状影响因素的影响比重。
如果觉得《多尺度地理加权回归(MGWR) 地理加权回归(GWR) 最小二乘法(OLS)回归模型的对比分析》对你有帮助,请点赞、收藏,并留下你的观点哦!