空间异质性数据分析不再复杂:地理加权回归分析、主成分分析、判别分析、分位数回归分析、线性回归等

目录

[专题一 地理加权回归下的描述性统计学](#专题一 地理加权回归下的描述性统计学)

[专题二 地理加权主成分分析](#专题二 地理加权主成分分析)

[专题三 地理加权回归](#专题三 地理加权回归)

[专题四 高级回归与回归之外](#专题四 高级回归与回归之外)

更多了解


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、地理加权主成分分析、地理加权判别分析是处理这类数据的有效模型。本教程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。

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

注:请提前安装所需软件


更多了解

①基于R语言的分位数回归实践

②基于R语言的贝叶斯网络模型应用

③最新基于R语言结构方程模型分析与应用

④R语言混合效应(多水平/层次/嵌套)模型及贝叶斯实现

⑤基于R、Python的Copula变量相关性分析及AI大模型应用

⑥基于GeoDa与R语言的空间数据回归实践应用

⑦基于R语言的极值统计学及其在相关领域应用

★ 点 击 下 方 关 注,获取海量教程和资源!

↓↓↓

相关推荐
Tiger Z1 天前
R 语言科研绘图第 6 期 --- 散点图-基础
r语言·贴图
LvManBa1 天前
R 常用的内置软件包及功能介绍
开发语言·r语言·rstudio
新知图书2 天前
R语言的数据结构-数据框
开发语言·r语言
新知图书3 天前
R语言的字符串操作
开发语言·r语言
新知图书4 天前
R语言函数简介
开发语言·python·r语言
还没想好1234 天前
mlr3机器学习AUC的置信区间提取
人工智能·机器学习·r语言·学习笔记
拓端研究室TRL5 天前
R语言混合模型回归GBTM群组轨迹模型绘图可视化研究
开发语言·人工智能·数据挖掘·回归·r语言
_刘文凯_6 天前
R环境配置 以及Debug方法 (VSCode, conda, 远程R)
vscode·r语言·conda
新知图书7 天前
R语言的数据结构-数组
开发语言·数据结构·r语言
赵钰老师8 天前
【ArcGIS】基于R语言、MaxEnt模型融合技术的物种分布模拟、参数优化方法、结果分析制图与论文写作
开发语言·arcgis·数据分析·r语言