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教程

原文链接: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教程https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247600473&idx=6&sn=431e9408a42862d29fe4f4ef7703595b&chksm=fa8208becdf581a820d9479d2aa61b88e96612c4ab72b07d4ab2db8d18824d13950e51cdaa64&token=1458786269&lang=zh_CN#rd

前言

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 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:GTWR

8.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

相关推荐
java1234_小锋16 小时前
基于Python的旅游推荐协同过滤算法系统(去哪儿网数据分析及可视化(Django+echarts))
python·数据分析·旅游
视频砖家16 小时前
观众信息设置与统计(视频高级分析与统计功能)
数据分析·视频观看分析·视频数据分析
LabEx17 小时前
科研数据可视化核心技术:基于 AI 与 R 语言的热图、火山图及网络图绘制实践指南
人工智能·信息可视化·r语言·r语言绘图·乐备实·labex·科研数据绘图
SelectDB17 小时前
Apache Doris 实时更新技术揭秘:为何在 OLAP 领域表现卓越?
数据库·数据分析·apache
Jet450518 小时前
第100+43步 ChatGPT学习:R语言实现特征选择曲线图
学习·chatgpt·r语言
聚客AI20 小时前
搜索引擎vs向量数据库:LangChain混合检索架构实战解析
人工智能·pytorch·语言模型·自然语言处理·数据分析·gpt-3·文心一言
一条破秋裤21 小时前
一份多光谱数据分析
笔记·数据挖掘·数据分析
德育处主任Pro1 天前
「py数据分析」04如何将 Python 爬取的数据保存为 CSV 文件
数据库·python·数据分析
瓦力wow1 天前
数据分析-名词
运维·服务器·数据分析
cal_1 天前
数据分析中的拉链表解析
大数据·数据挖掘·数据分析