白话空间统计二十四：地理加权回归ArcGIS的GWR工具参数说明一

Posted 2022-06-21 虾神说D

(再次接近6000字，诚意满满啊）

从这一章开始进入实际操作环节……首先还是用ArcGIS，毕竟这个东西比较容易。

实际上要说起来，GWR有专门的软件，叫做GWR，但是这个软件暂时我还没有用过，所以等我先学习一下，把他放到最后才说了，先用比较熟悉的，比如ArcGIS、比如R语言，这些来讲讲（还有一个我非常熟悉的软件是GEODA，可惜GEODA仅支持回归分析，不支持地理加权回归）。

数据还是用上次山东的那一份，在番外篇中，用财政收入作为因变量，自变量选择工业总产值，消费品零售额，总出口以及固定资产投资作为自变量，完成了OLS回归分析，然后进行了残差可视化，有兴趣的同学去翻翻以前的文章：

白话空间统计二十三回归分析番外：残差可视化

看看要进行分析的数据：




下面先来解释一下ArcGIS提供给我们的GWR工具的各个参数设置：

地理加权回归分析工具的位置，在空间统计工具箱——空间关系建模工具集——地理加权回归工具（如下所示：）




下面是各个参数的意义（话说这一部分在ArcGIS帮助文档里面都有的，但是我知道要让大家像虾神这样（变态）无聊，把ArcGIS帮助文档放到手机上，还是有点勉为其难，所以这这里写了）


虾神私人推介……有兴趣做空间统计的，可以把ArcGIS的帮助文档拷贝到手机上……很多APP都直接直接打开chm格式的。

工具界面如下：

1、输入要素：
    ArcGIS的空间统计工具箱，主要针对的是矢量数据，所以这里的输入一定是矢量图层，可以是点线面，但是不能是多点（但是可以是多部分要素，因为对面状空间要素处理的时候，通常采用的是质心来进行计算，多部分面状要素不会影响GWR的处理）。
    
    在要素类的设定上，应该避免有空间错误的数据：比如有属性无空间要素，如果出现这样的数据，可能会发生错误。
    
    在制作数据的时候，尽量把需要使用的数据都合并到一个要素类中，每一个变量（应、自）都应该是一列独立的数据，而且一定不能出现空值（如果出现了空值，或者表示空值的0值，首先就要将这行数据从分析样本中移除，或者补全之后在使用。
    
    使用的变量中，尽量不要使用哑元（dummy，ArcGIS的官方翻译中，把这个词翻译成“哑元”，实际上在实际上在计量经济学里面，把它称为：虚拟变量（dummy variable），意思是表示该变量只能表示“有”和“无”这两种情况，在计算机里面常备称为二值化变量，即放到模型中就只有1和0两个值，比如该时间发生了，就记为1，没发生就记为0。在计量经济学里面，dummy variable是很重要的一个概念，大家有兴趣自己去查询相关资料，这里为了保持上下文一致，我使用ArcGIS的翻译方法，把这个东东继续叫做“哑元”）
    
    因为在使用二值化的时候，到底哪个类别为0，那个类别为1，是可以任意设置的（比如前进和后退，可以认为前进设置为1，后退设置为0，也可以反向设置，后退为1，前进为0）不管如何设置，都不会影响检验的结果。在GWR中，如果使用哑元作为某个变量的值，会导致分析中出现严重的多重共线性。
    
    空间统计分析里面，空间关系概念一旦涉及“距离”的时候，尽量使用投影坐标系，当然，如果使用经纬度，对分析的过程不会产生多大影响，但是对分析的结果会有一些影响（特别是对核带宽进行设置的时候）。
    
    （关于输入要素的其他情况，有兴趣的时候专门开一篇数据处理来讲……这里先直接略过了）

2、因变量字段。
    这个字段包含因变量的值，一个回归方程只能有一个因变量，没啥好说的。注意别使用哑元就好了。

3、解释变量（自变量）字段。
    包含了解释变量的字段，最少一个。系统会自动筛选掉文本型的数据，只保留数值型。但是不筛选哑元值，所以需要自行设置。
    
    另外，自变量的顺序和分析的结果没有任何关系。

4、输出结果
    用户承载分析结果的要素图层，分析结果的解读后面会详细说。

5、核的类型
    此参数并非是让我们选择核函数（ArcGIS只提供了高斯核函数，没得选），这参数是让我们决定核函数如何构成？分析的数据用什么方式来参与。 工具提供两种核函数：
    FIXED ：固定距离法，也就是按照一定的距离来选择带宽，创建核表面
    ADAPTIVE ：自适应法。按照要素样本分布的疏密，来创建核表面，如果要素分布紧密，则核表面覆盖的范围小，反之则大。
    
    默认会使用固定方式，因为固定方式能够生成更加平滑的核表面。
    
6、核带宽
    此参数用于设定GWR的带宽，通过以前的文章，我们知道带宽的选择非常关键，而且GWR专门用两种方式来选择更好的带宽，但是也留出了自定义的模式，所以这个参数有三个选项：
    CV：通过交叉验证法来决定最佳带宽。
    AIC：通过最小信息准则来决定最佳带宽。
    BANDWIDTH_PARAMETER ：指定宽度或者临近要素数目的方法。如果选择这种方法，后面的7\\8两个参数，才变为可用状态。如果选择CV或者AIC法，带宽是通过计算来决定的，所以距离参数将不可用。而采用指定的方法，我们可以通过自定义的方式，来决定带宽
    
    为什么需要留出这样一个可以自定义带宽的参数呢？因为CV法和AIC法，都是系统计算出来的带宽，特别是AIC法，可能能够达到很好的拟合度，但是回归是不是拟合度越高越好呢？这就不一定了，特别很多时候选择不同的带宽，可以揭示更多的细节的时候。
    关于这个问题，可以参考下面的文章：
    白话空间统计二十一：密度分析（五）
    
    
7、距离（可选）
    如果在参数6中，选择了自定义带宽模式，那么这个参数就变为可用了。注意，这里设定的带宽距离单位，是要素类的空间参考中的单位，如果你是经纬度的话，这里设定的也是经纬度（设置为1，就是1度，在中国范围内，约为108公里左右），所以如果要更精确，最好把数据投影为投影坐标系。

8、临近要素的数目（可选）
    如果核类型为自适应（ADAPTIVE），以及核带宽为BANDWIDTH_PARAMETER的时候，此参数才为可用，默认是30，表示选择回归点周边的30个点作为核局部带宽中作为临近要素的点。

9：权重字段（可选）：
    本工具可以对每个要素设置独立的权重，把这个将要设定的权重写入一个字段，然后设置到此就行。
    
    一旦设置了权重，就说明这个（些）要素在进行校验的时候，会比其他要素更加重要。
    
    在很多时候，独立设置的权重有着很重大的意义。如下图所示：
    
要用4个区域的钾含量要进行计算，那么就从四个区域布点进行采样，用采样的平均值来作为每个区域的含量值，可以看见A区域足足布置了20个采样点，D区域3个，BC分别都是2个，这样来说，A区域的钾含量是20个点的平均值，在四个区域里面，A区域的钾含量最接近平稳值，所以在计算的时候，我们可以把每个区域的采样点数放到一个字段里面，作为这个区域的权重——这样来说，在计算的时候A区域的数据，比其他几个区域的数据具有更大的影响力。

具体的参数就先说到这里，GWR后面还有一系列的扩展参数，下一节我们再继续说。

待续未完。