R语言空间异质性数据分析：从地理加权回归到高级空间统计模型
R语言空间异质性数据分析：从地理加权回归到高级空间统计模型
·
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
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
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
7
0- 0
已为社区贡献1条内容
所有评论(0)