探索性回归 (空间统计)

您所在的位置:网站首页 jarque bera检验原理 探索性回归 (空间统计)

探索性回归 (空间统计)

2024-07-15 14:58| 来源: 网络整理| 查看: 265

此工具的主要输出形式为报表文件,在工具执行期间,该输出以消息形式写到地理处理窗格底部。您可以将鼠标悬停在进度条上来访问该消息,单击弹出按钮或展开地理处理窗格中的消息部分。您还可以通过地理处理历史访问之前运行探索性回归的消息。

此工具将会选择性地创建一个用于汇总结果的文本文件报表。此报表文件将被添加到内容列表 (TOC) 中,并且可以通过右键单击并选择打开在 ArcMap 中进行查看。

此工具还会生成一个可选表,该表包括所有满足最大系数 p 值边界和方差膨胀因子 (VIF) 值条件的模型。解释探索性回归结果中提供了报表元素和表的完整解释。

此工具使用的是普通最小二乘法 (OLS) 和空间自相关 (Global Moran's I)。可选的空间权重矩阵文件用于空间自相关 (Global Moran's I) 工具,从而对模型残差进行评估;OLS 工具则根本不会使用此文件。

此工具将尝试输入候选解释变量的每一种组合,以寻找正确指定的 OLS 模型。仅当找到一个满足可接受的最小校正 R 平方、最大系数 p 值边界、最大 VIF 值边界和可接受的最小 Jarque Bera p 值阈值条件的模型时,此工具才会对模型残差运行空间自相关 (Global Moran's I) 工具,以了解偏低/偏高预计值是否会产生聚集。为了在全部模型均为通过所有这些条件的情况下至少提供一些有关残差聚类方面的信息,还会向具有最高校正 R2 值的三个模型和具有最大 Jarque-Bera p 值的三个模型的残差应用空间自相关 (Global Moran's I) 测试。

特别是当因变量中存在一个强大的空间结构时,您将希望尝试尽可能多的候选空间解释变量。这些空间变量可以是与主干道的距离、工作机会的可达性、本地购物场所的数量、连接测量值或密度。在找到能够捕获因变量中空间结构的解释变量之前,模型残值可能无法通过空间自相关检验。空间自相关 (Global Moran's I) 工具中所确定的回归残差的显著性聚类可指示出模型中的错误。您所不了解的回归分析内容 中概括介绍了处理指定错误的策略。

由于并不会对被检验的所有模型运行空间自相关 (Global Moran's I)(参阅上一使用提示),因此可选项输出结果表中将包含 SA(空间自相关)字段的缺失数据。由于 DBF (.dbf) 文件中并不存储空值,这些数据将显示为非常小的(负)数(比如 -1.797693e+308)。对于地理数据库表,这些缺失值将显示为空值。缺失值表明,由于模型未通过所有其他的模型搜索指标,因此未对关联模型的残差进行空间自相关检验。

用于运行空间自相关 (Global Moran's I) 工具的默认空间权重矩阵文件是基于 8 个最邻近要素空间关系的概念化。选择此默认文件的原因主要是因为它的执行速度相当快。但是,要定义不同的邻域关系,您只需使用生成空间权重矩阵文件工具创建自己的空间权重矩阵文件,然后为输入空间权重矩阵文件参数指定该文件的名称即可。“反距离”、“面邻接”或“K 最近邻”都是用于检验回归残差的合适的空间关系概念化。

注:

空间权重矩阵文件只用于测试空间结构的模型残差。正确指定了模型之后,残差将在空间上随机分布(较大的残差与较小的残差混在一起;较大的残值在空间上不会聚集在一起)。

注:

如果输入要素中的要素不超过 8 个,则用于运行空间自相关 (Global Moran's I) 工具的默认空间权重矩阵文件会以 K 最近邻域(K 代表要素数减 2)为基础。通常,使用此工具时最少需要 30 个要素。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3