GWR 路线图：地理加权回归明智应用指南
统计方法学
2020-04-15 v2
摘要
地理加权回归（GWR）在社会和环境数据的空间分析中日益得到使用。它通过一系列局部回归模型而非全局模型来研究过程和关系中的空间异质性。标准 GWR 假设响应变量与预测变量之间的关系在同一空间尺度上运作，而情况往往并非如此。为此，人们提出了若干 GWR 变体。本文描述了一幅路线图，用以指导是否使用 GWR 模型，若使用则应用三种核心变体中的哪一种：标准 GWR、混合 GWR 或多尺度 GWR（MS-GWR）。该路线图包含主要步骤：基本线性回归、MS-GWR，以及对这些结果的研究。本文为决定是否采用 GWR 方法以及若采用则确定合适的 GWR 变体提供了指导。它描述了在全球和局部尺度上研究若干次要问题的重要性，包括共线性、异常值的影响以及相依误差项。用于阐明路线图的案例研究的代码和数据均已提供，进一步的考虑在 extensive 附录中描述。
引用
@article{arxiv.2004.06070,
title = {The GWR route map: a guide to the informed application of Geographically Weighted Regression},
author = {Alexis Comber and Chris Brunsdon and Martin Charlton and Guanpeng Dong and Rich Harris and Binbin Lu and Yihe Lü and Daisuke Murakami and Tomoki Nakaya and Yunqiang Wang and Paul Harris},
journal= {arXiv preprint arXiv:2004.06070},
year = {2020}
}
备注
34 pages, 8 figures