地理加權迴歸需要考慮多重共線性嗎

1樓：網友

這和我們今天說的地理加權迴歸 geographical weighted regression （gwr）有什麼關係呢？

因為傳統的線伍型性迴歸，是地理加權迴歸的基礎——孩子她媽。

什麼？你問我孩子他爸是誰？

迴歸」一詞對於數學不好的同學來說可能有點抽象，其實就是線性迴歸最樸素的樣子——一條線去擬合一群點。

地理加權」四個大字，體現的是gwr演算法與傳統線性亂蔽迴歸的不一樣之處——考慮了空間關係對模型的影響。就好比如：

家長：「能否把我的孩子放到第一排」

比如：身高與體重的關係——這也是最經典的線性迴歸例子。我們可以用最簡單的一元線性迴歸進行分析。

同時我們再思考乙個問題，古人云「一方水土養一方人」，當我們的研究物件分佈在不同的區域，能否只用乙個迴歸公式來揭示它們所有特徵？

模型沒有絕對的能或者不能，但這樣做可能難以滿足我們研究的要求。

一方水土養一方人」，其實也就是地理加權迴歸的核心和出發點——考慮空間關係的影響。當我們在做迴歸分析的時候，如果樣本分佈在不同的區域，而不同區域之間某些對因變數產生影響的因素差異很大（稱之為：存在「空間異質性」），這個時候我們可能就需要考慮空間關係對模型的影響。

引入地理加權迴歸。

看到這裡也許有同學會問，那我將研究區域腔陪猜，劃分成多個不同的子區域，再分別對其中的子區域進行經典迴歸分析不就好了嘛？

這確實是乙個解決的辦法。但事情沒有這麼簡單。地理學的祖師爺waldo tobler告訴我們地理學第一定律：

任何事物都是與其他事物相關的，只不過相近的事物關聯更緊密。

地理加權迴歸可以只有乙個解釋變數嗎

2樓：

摘要。不可以。地理加權迴歸是一種統計分析方法，它可以用來探索地理空間變數之間的關係，以及地理空間變數與其他變數之間的關係。

它的基本原理是，在統計分析中，將地理空間變數作為解釋變數，而將其他變數作為被解釋變數，以探索地理空間變數與其他變數之間的關係。因此，地理加權迴歸需要至少兩個解釋變數，乙個是地理空間變數，另乙個是其他變數。

不可以。地理加權迴歸是一種統計分析方法，它可以用來叢跡探索地理空間變數之間的關係，以及地理空間變數與其他變數之間的關係。它的基本原理是，在統計分析中，將地理空間變數作為解釋飢卜變數，而將其他變數作為滲肢並被解釋變數，以探索地理空間變數與其他變數之間的關係。

因此，地理加權迴歸需要至少兩個解釋變數，乙個是地理空間變數，另乙個是其他變數。

可不可以再具體的闡述一下呢？

不可以。地理加權迴歸是一種多元迴歸分析，它是一如春種用於研究地理空間資料的統計分析方法，它可以用來探索地理空間資料之間的關係，以唯姿及地理空間資料與其他變數之間的關係。因此，地理加權迴歸需要至少兩個解釋變數，乙個是地理空間變數，另乙個渣山耐是其他變數。

地理加權迴歸的另乙個重要特徵是它可以考慮地理空間變數的空間自相關性，從而更好地描述地理空間資料之間的關係。因此，地理加權迴歸不能只有乙個解釋變數。