使用R语言中的spgwr包进行GWR模型的相关运算

空间回归分析笔记3——OLS、GWR输出结果的意义 OLS 1. 评估模型性能。 如果“校正可决系数”的值为 0.39,则表示您的模型(解释变量使用线性回归建模)可解释因变量中大约 39% 的变化 2. 评估模型中的每一个解释变量: 每个解释变量的系数既反映它与因变量之间的关系强度,也反映它与因变量之间的关系类型。当与系数关联的符号为负时,该系数与因变量为负向关系。 T 检验用来评估某个解释变量是否具有统计显著性。零假设是指所有的意图和目的的系数值... 阅读详情
AI摘要

本文详细介绍如何使用R语言的spgwr包进行地理加权回归(GWR)分析,从准备环境、读取数据、计算带宽到构建GWR模型,解决GWR4软件存在的bug问题,对比spgwr与GWmodel包的优劣。

前言

GWR4其实是一个非常专业的软件,功能非常强大,无奈bug实在是太多了,通常是在数据量大(大于1w条记录)的时候会出现。所以我不得不求助于R语言。

准备工作

1. 安装R Studio

2. 安装spgwr的包

install.packages("spgwr")

3. 引入spgwr包

library(spgwr)

读取CSV数据

这里我使用的就是之前在GWR4软件中运行的数据

guangzhousufang<-read.table(file="/Users/xxx/xxx/xxx/xxx.csv", header = TRUE, sep=',')

read.table其实是读取csv最好的函数。第一个参数为文件路径,header参数是数据的第一行(列名),sep参数是数据的分隔符。函数的返回结果是data.frame。

还有一个函数read.csv也可以读取csv,但是它其实是封装了read.table。

如果csv文件巨大,想要提升读取速度,可使用read_delim

ps.如果需要读取shp格式的数据并运算,可移步这一教程: https://www.zhihu.com/question/304853593/answer/551289317

计算带宽

bw<-gwr.sel(rent~area+subway+pSchool+mSchool+university+hospital, data=guangzhousufang, coords=cbind(x=guangzhousufang$lon, y=guangzhousufang$lat), gweight = gwr.Gauss, verbose = TRUE, method = "aic")

调用gwr.sel函数来计算带宽。

第一个参数中指定了因变量(rent)与自变量(area subway pSchool mSchool university hospital)

第二个参数指定了数据(上一步中读入的数据)

第三个参数指定了坐标(lon和lat为数据中自定义的列名):注意⚠️ x对应经度,y对应纬度

第四个参数(gweight)指定了空间权重函数(代码中使用的gauss函数)

第五个参数(verbose)控制是否汇打印计算带宽的过程

第六个参数(method)指定带宽的计算方法(代码中使用的aic)

ps. 如果搞不懂GWR模型的原理,不知道参数值之前的区别,推荐大虾卢的博客与苏世亮老师编写的《空间数据分析》

计算GWR模型

gwr_result <- gwr(rent~area+subway+pSchool+mSchool+university+hospital,coords=cbind(x=guangzhousufang$lon, y=guangzhousufang$lat), data = guangzhousufang, bandwidth = bw, gweight = gwr.Gauss, hatmatrix = TRUE)

函数运行完之后,输入变量名(在我的程序中是gwr_result)查看结果:

此时我发现了一个很严重的问题:在spgwr包中,衡量模型拟合度的参数名为“Quasi-global R2",中文直译过来是“近似全局R2”。我查看了一下源码,在源码中Quasi-global R2的计算方法是:1 - rss/gTSS。rss是residual sum of squares(残差平方和, \small \sum( \hat{yi}-yi)^{^{2}}),但是gTSS是指什么我并没有在源码中找到,或许就是\small \sum( \bar{yi}-yi)^{^{2}}吧。

除了上图之外,还有一些计算出的参数可以通过“变量名”+“$”+"参数名"的方法查看,例如:

更多关于参数的信息可参考官方文档https://rdrr.io/cran/spgwr/man/gwr.html

总结

spgwr总体上使用起来比较简单,运算时比较稳定,结果也没什么bug(不像GWR4有时算出来的结果中R2比Adjusted R2还小零点几,呕),但是比起GWR4,它缺少了与全局回归进行比较的部分(还要自己重新跑一遍多元线性回归),并且衡量模型拟合度的时候用了一个非主流的参数“Quasi-global R2”(至少我没有在网上查到关于这个参数的定义,如果有人了解这个参数欢迎交流),所以也不是十分完美。

如果你不是十分享受写代码的过程,那我其实我更建议对数据进行随机抽样,在减小了数据量之后用GWR4进行运算。

如果你热爱coding,那么可以把目光转向另一个包:GWmodel。GWmodel比起spgwr更加稳定,并且构建GWR模型时运算速度要更快。我先放上运算出来的结果:

预知详细操作,且听下回分解。

回归标准差和残差平方和的关系_GWR|ArcGIS中地理加权回归的操作与解读(二)地理加权回归操作与结果解读... 点击上方蓝色字体,关注我们“站在巨人的肩膀上,俯瞰世界。”几点说明:1.本文使用的软件是:ArcGIS10.72.本文从应用角度出发,侧重于操作方法,有关理论基础和数学推导可参考其他公开发表的论文3.主要参考来源:ArcGIS帮助文档、公众号:曾冰在路上,虾神daxialu4.考虑到本人水平有限,如有错误,欢迎大家批评指教!5.如果本文对您有所帮助,欢迎点赞、转发与在看!感谢!6.关注公... 阅读详情

相关推荐

精准农业空间机器学习三大实战算法:GWR、CRF与GNN

空间机器学习是处理地理关联数据的基础技术范式,其核心在于建模空间依赖性与空间异质性两大特性。传统机器学习忽略邻域关系、尺度错配和边界效应,在农田等真实地理场景中泛化能力严重受限。地理加权回归(GWR)通过局部系数实现田块级农艺响应建模;条件随机场(CRF)在语义分割中嵌入空间先验,提升无人机影像识别的农艺可信度;图神经网络(GNN)则以田块为节点构建农业知识图谱,支撑全农场协同决策。三者共同构成从单点预测、单图理解到全域调度的空间智能闭环,广泛应用于处方施肥、病害分区防控与农机智能调度等精准农业关键环节。

abxlep7702的博客 347

GWR4软件怎么用+结果解读+结果在ArcGIS中可视化

将数据另存为.csv格式,不然GWR4无法读取数据。 注意,表格中包括(1)序号(城市名称)用于标识;(2)经纬度坐标,113.4°E之类;(3)Y和X。 Browse读取数据,Open一下,看看行列号是否正确;之后view data看一眼; 确定模型 左一:标识; 左二:经纬度; 左三:不用选择,如果是逻辑回归logistic,可以选第三个 右一:因变量Y 右二:局部自变量们X 右三:全局控制变量,在GWR中很少选择 核函数:默认选择即可 输出名称和执行。 (1)输入名称..

wunaodazhaoliu的博客 3万+

空间机器学习为什么需要专用IDE?5大工具深度对比

空间机器学习并非普通机器学习的简单延伸,而是融合地理坐标系、空间自相关、拓扑约束与非平稳统计特性的复合范式。其核心原理在于:空间关系是建模的前提而非后处理环节,CRS(坐标参考系统)参与每一次距离、邻接与聚合运算,Moran’s I等空间诊断指标决定模型有效性边界。技术价值体现在避免‘数字正确、地理错误’——如因未重投影导致的距离误算、残差空间聚集引发的虚假高AUC。典型应用场景涵盖城市热岛预测、野生动物栖息地建模、POI热度图神经网络、土地利用变化分析等。本文基于真实项目经验,系统评估ArcGIS Pro

weixin_30652897的博客 533

OLS和GWR模型部分参数解释

(1) 探索性回归,是一种数据挖掘工具,通过对上述解释变量的每种可能组合进行评估,查找到正确指定的OLS回归模型。合格模型的最小校正可决系数(Adjusted R²,以下简称“校正R²”) 值为0.5,最大方差膨胀因子(VIF) 值边界为7.5,最小Jarque-Bera p值为0.1。此时,模型通过了Jarque-Bera 检验和共线性诊断,残差呈正态分布,能解释因变量中至少50% 的变化。 (2) 普通最小二乘法(OLS)回归,是应用最广泛的传统( 非空间) 统计方法,也是空间回归分析方法的正确起点,可

杨过 9652

利用R语言的GWmodel进行GWR模型分析(内含错误解决方法)

最近在些毕业论文,需要用到GWR模型,搜寻了一遍,发现GWmodel这个包比较好用,另外还有spgwr。具体操作过程如下(Rstudio): 首先安装包: install.packages("GWmodel") 我安装的时候,遇到了“错误: 找不到‘spdep’所需要的程辑包‘spData’”。折腾了好久,找了很多办法。最终是把Rstudio种R版换成R-3.5.3,就不会报错了。 导完包以后,导入数据: pf=read.csv('result_match.csv',header=T) 构建Datafram

weixin_43823338的博客 5204

地理加权回归GWR4.0软件下载与使用

1、GWR4.0软件下载链接:https://download.csdn.net/download/xiaodongfly/7027693 (GWR4.0官方下载网址:https://gwrtools.github.io/,但是我打不开,所以从上面那个链接下载的软件) 2、软件的安装 双击安装包,根据它的指示安装即可。   3、软件的使用 (1)将数据保存为“.csv”格式。     (2)打开安装好的GWR4.0软件,如下操作:     &nbsp

weixin_42191203的博客 1万+

(学习笔记)地理加权回归(GWR)、多尺度地理加权回归(MGWR)原理与软件实现

本文来自多篇文章,本文为学习笔记。 1引言 回归分析是最常用的社会科学统计方法。回归用于评估两个或更多要素属性之间的关系。通过回归分析,我们可以对空间关系进行建模、检查和探究;回归分析还可以帮助解释所观测到的空间模式背后的诸多因素,例如为什么有些地区会持续发生年轻人早逝或者糖尿病的发病率比预期要高的情况。 回归可以分为两类,一类是线性回归,另一类是非线性的基于机器学习算法的回归。 线性回归,用来确定两种或两种以上变量间相互依赖的定量关系。包括普通最小二乘法OLS (Ordinary Lea..

qq_55655027的博客 9万+

使用R语言中的GWmodel进行GWR模型的运算

使用R语言中的GWmodel进行GWR模型的运算 一、安装R语言 1、R安装包下载地址:https://cran.r-project.org/ 2、RStudioa安装包下载地址:https://rstudio.com/products/rstudio/ 二、使用步骤 1.安装GWmodel包 打开RStudioa界面 仅安装GWmodel包载入时报错,并不能使用bw.gwr和gwr.basic函数 library(“GWmodel”) 载入需要的程辑包:spatialreg Error: packag

zongmuyang的博客 5464

白话空间统计二十四:地理加权回归(九)结果解读(二)

实际上,除了辅助表以外,GWR还会生成一份全要素的表。对回归的每一个样本都给出相应的信息,今天就来看看这些信息代表了什么内容。 生成的新的要素类字段信息如下: 实际上,Coeffcient(系数)和Standard Error Conffcient (标准差系数)会对每一个解释变量都给出一个值,所以可以看成是两类值,下面把各个值的情况和意义做个简单描述: 其中ArcGIS

4万+

GWR4 软件输入数据制作

前言 GWR软件是实现地理加权回归建模的专业软件。 GWR软件下载地址Click here。 软件下载后自带了User guidance,也可以参照这篇博客。 软件要求输入的数据格式为.csv。数据中要包括投影坐标,因变量,解释变量。 数据制作 我这里以地表温度(LST)做因变量,NDVI做解释变量为例,使用Arcgis制作.csv输入文件。 LST和NDVI的原始数据是两幅投影坐标的栅格影像。 首先在Arcgis中打开影像,然后使用栅格转点工具将栅格转换为点状shp文件。 得到每个像素点的shp文件。

江北20190411的博客 3574

GWR模型报错汇总(arcgis与GWR4)

一. GWR4 错误1.Error: GWR computation was failed: optional tests and/or model 解决方法:将kernel type换成fixed Gauss 错误2.外部组件异常 这个错误其实是这个软件早期版本的一个bug,数据量大的时候软件就会崩溃。 解决方法:换用GWR4.09版本 https://download.csdn.n...

tjhxrrr的博客 2万+

ArcGIS Pro中的回归分析浅析(下)地理加权回归工具(GWR)使用&小结

内容导读 1)回归概念介绍; 2)探索性回归工具(解释变量的选择)使用; 3)广义线性回归工具(GLR)使用; *加更:广义线性回归工具的补充内容 4)地理加权回归工具(GWR)使用+小结。 说明:本节是这个学习笔记最后一部分。 PART/ 04 地理加权回归工具(GWR)使用 上一节我们讲了GLR广义线性回归,它是一种全局模型,可以构造出最佳描述研究区域中整体数据关系的方程。如果这些关系在研究区域中是一致的,则 GLR 回归方程可以对这些关系进行很好的建模。不过,当这些关系在研

GIS骆驼的GIS博客 2万+

GWR模型+克里金法预测空气质量指数:空间异质性建模与R实践

空间统计分析中,处理环境监测数据常面临一个核心问题:变量关系在空间上是否稳定?以空气质量指数(AQI)预测为例,污染扩散受地形、气象和产业布局影响,不同区域的驱动因子作用强度差异显著,这种空间异质性使得全局回归模型难以奏效。GWR模型通过允许回归系数随地理位置变化,显式刻画局部关系;而克里金法则利用变异函数量化残差中的空间自相关,提供带置信区间的插值结果。将两者组合为回归克里金策略,先剥离确定性趋势,再补充随机空间结构,能有效提升AQI连续分布预测的精度与可靠性。该方法在环境监测站点稀疏、污染成因复杂的场景

weixin_33985679的博客 404

【问题导向】GWR与MGWR——以南京市中心城区住宅小区为例

GWR与MGWR

小熊的博客 2万+

GWR4软件安装及使用方法,用于地理加权回归分析,里面有详细的安装方法以及视频讲解结果分析,以及配套数据,跟着学习即可学会哦

地理加权回归分析 GWR4软件安装及使用方法,用于地理加权回归分析,里面有详细的安装方法以及视频讲解结果分析,以及配套数据,跟着学习即可学会哦

android广告SDK原理详解(附源码)

广大的开发者吃糠咽菜开发了一两款APP,获取了一些流量后自然就会想到流量变现,一般情况下大家会选择到百度联盟或者Google Admob这些广告服务提供商注册开发者账号,在自己的APP里面加上几行广告位代码,集成他们的广告SDK包。然后谋事在人,成事在天,只有每天看报表查查收益。   也有一些开发者为了能够提高自己的变现水平,同时接入了好几家的sdk,哪家出的收益高一点我就出哪家的广告,但是这

rmcgogo的博客 1万+

地理加权回归_科研笔记 | 地理加权回归模型(GWR)软件实操 (3):Gaussian GWR model...

引言在GWR4.0模型的MODEL选项卡,包括三种模型类型选项,分别是Gaussian GWR、Geographically Weighted Poisson regression (GWPR) 和Geographically Weighted LogisticRegression (GWLR)模型,不同的模型类型有不同的适用范围和条件,在GWR4.0软件中如何去设置,有哪些注意的事项...

weixin_39777019的博客 4153

Unreal从入门到精通之 UE4 vs UE5 VR性能优化实战

这篇文章分享了UE5 VR项目的性能优化经验。作者通过对比UE4和UE5的VR模板性能,发现UE5默认帧率只有45FPS,远低于UE4的100FPS。主要性能瓶颈来自Lumen全局光照、虚拟阴影贴图等新特性。文章详细列出了12项关键优化设置,包括禁用Lumen、关闭虚拟阴影、使用前向渲染等,并分析了各项调整对性能的影响程度。特别指出删除默认的VolumetricCloud可立即提升5帧。最后建议根据场景需求平衡画质与性能,对于高帧率要求的VR项目,可能需要谨慎使用UE5或关闭其部分高级渲染功能。

TxNet 1391

使用R语言的spgwr包进行地理加权回归(GWR)

今天需要做要给GWR回归,使用了R语言中的spgwr包。做的工作主要有; 1)安装R语言 直接去R官网就好。 2)安装spgwr包 > install.packages("spgwr") 发现报错 Warning in install.packages : 'lib = "C:/Program Files/R/R-4.0.3/library"' is not writable Warning in install.packages : cannot create dir 'D:\onedri

weixin_37659245的博客 7515

基于PCL的电力线点云提取与分割实现

本文基于PCL库实现电力线点云提取与分割,包含6个核心处理阶段:文件读取与结果文件夹创建、高程滤波分割候选点云、欧式聚类去噪、电力线分段提取、球形邻域搜索补全点云、最终分割与可视化保存。通过PCA计算点云线性特征(阈值0.91)筛选电力线点,采用欧式聚类(容忍度3.0)去除噪点,并针对不同规模聚类差异化设置球形搜索半径(4.0/6.0)补全点云。最终通过欧式聚类分割并可视化带颜色点云。算法对高程滤波阈值、聚类参数等具有敏感性,需根据点云特性调整优化。

weixin_45196569的博客 199

Python 爬虫实战:豆瓣电影海报批量获取(Top250 榜单 + 可视化展示)

在信息爆炸的时代,数据已成为决策的核心,而数据的获取是数据分析的第一步。本文将详细介绍如何利用 Python 爬虫获取豆瓣电影 Top250 榜单的海报,并对数据进行可视化展示,助你更好地了解电影市场的趋势和用户的喜好。

yansideyucsdn的博客 722

地理加权回归模型——一种局部的空间回归分析方法

地理加权回归(GWR)是一种局部的空间回归分析方法,它允许模型参数在空间上变化,从而能够捕捉到空间数据的局部空间非平稳性。GWR模型的基本思想是在回归分析中引入空间权重,使得模型能够根据地理位置的邻近程度对观测值进行加权。

lmx1458070445的博客 8096

Cesium 实现气象(温度,降水,风速)可视化详细代码实现

本教程介绍了使用Cesium实现气象数据可视化的方法,主要包括:1) 搭建Cesium开发环境;2) 三种核心气象要素的展示技术:温度热力图(基于颜色渐变和点密度)、降水区域填充(矩形着色)和风速风向(粒子系统);3) 数据集成方案,包括模拟数据生成和API对接;4) 高级功能如3D温度柱和时间序列动画;5) 性能优化策略,如数据聚合和LOD控制。教程提供了完整的代码示例,从基础配置到视觉效果实现,帮助开发者构建交互式气象可视化应用。

专注AI大模型,软件混淆,授权 1870
上一篇: 使用GWmodel进行GWR模型相关运算
下一篇: GWR模型报错汇总(arcgis与GWR4)
serenahxr
博客等级 码龄9年 54粉丝 25原创
评论 42
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址