空间尺度在空间变系数建模中的重要性
统计方法学
2017-09-27 v1
摘要
尽管空间变系数（SVC）模型在应用科学中引起了广泛关注，但它们一直因不稳定而受到批评。本研究的目的是表明，捕捉每个数据关系的“空间尺度”对于使 SVC 建模更稳定至关重要，并且这样做增加了灵活性。本文根据六种 SVC 模型对尺度的刻画，总结了它们的分析性质。通过一系列蒙特卡洛模拟实验对这些模型进行了检验，以评估空间尺度对模型稳定性及其 SVC 估计准确性的影响程度。研究的模型包括：(i) 具有固定距离或 (ii) 自适应距离带宽的地理加权回归（GWRa），(iii) 具有固定距离或 (iv) 自适应距离带宽的灵活带宽 GWR（FB-GWRa），(v) 特征向量空间滤波（ESF），以及 (vi) 随机效应 ESF（RE-ESF）。结果表明，旨在捕捉局部关系中尺度依赖性的 SVC 模型（FB-GWR、FB-GWRa 和 RE-ESF）能最准确地估计模拟的 SVC，其中 RE-ESF 的计算效率最高。相反，GWR 和 ESF 表现不佳，因为它们天真地假设每个关系的 SVC 估计在同一空间尺度上运行。结果还证实，自适应带宽 GWR 模型（GWRa 和 FB-GWRa）优于其固定带宽对应模型（GWR 和 FB-GWR）。
引用
@article{arxiv.1709.08764,
title = {The importance of scale in spatially varying coefficient modeling},
author = {Daisuke Murakami and Binbin Lu and Paul Harris and Chris Brunsdon and Martin Charlton and Tomoki Nakaya and Daniel A. Griffith},
journal= {arXiv preprint arXiv:1709.08764},
year = {2017}
}