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

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。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。

点击查看原文链接 https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247521349&idx=3&sn=80ab1c6aec0d0c715cb5cfac2da6b717&chksm=ce647eaef913f7b87bc045dc924d526590af9a7925ce30931d075e6f6ec5eea8eceed089efb9&scene=21#wechat_redirect

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

相关推荐
IT毕设梦工厂2 天前
大数据毕业设计选题推荐-基于大数据的客户购物订单数据分析与可视化系统-Hadoop-Spark-数据可视化-BigData
大数据·hadoop·数据分析·spark·毕业设计·源码·bigdata
大数据CLUB2 天前
基于spark的澳洲光伏发电站选址预测
大数据·hadoop·分布式·数据分析·spark·数据开发
智数研析社2 天前
9120 部 TMDb 高分电影数据集 | 7 列全维度指标 (评分 / 热度 / 剧情)+API 权威源 | 电影趋势分析 / 推荐系统 / NLP 建模用
大数据·人工智能·python·深度学习·数据分析·数据集·数据清洗
qingyunliushuiyu3 天前
BI数据可视化:驱动数据价值释放的关键引擎
数据挖掘·数据分析·数据分析系统·数据分析平台·bi数据可视化
折翼的恶魔3 天前
数据分析:排序
python·数据分析·pandas
HenrySmale3 天前
05 回归问题和分类问题
分类·数据挖掘·回归
数据牧羊人的成长笔记3 天前
数据分析需要掌握的数学知识(易理解)
数学建模·数据分析
折翼的恶魔3 天前
数据分析:合并二
python·数据分析·pandas
xchenhao3 天前
Scikit-Learn 对糖尿病数据集(回归任务)进行全面分析
python·机器学习·回归·数据集·scikit-learn·特征·svm