基于R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析术应用
在自然和社会科学领域有大量与地理或空间有关的数据这一类数据一般具有严重的空间异质性而通常的统计学方法并不能处理空间异质性因而对此类型的数据无能为力。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、地理加权主成份分析、地理加权判别分析是处理这类数据的有效模型。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GTWR8.QGIS中的地理加权回归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
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2623589.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!