针对全局平稳特征和时空非平稳特征同时存在的现象,提出了混合时空地理加权回归方法(Mixed Geographically and Temporally Weighted Regression,MGTWR),给出了MGTWR的数学定义和回归参数的两步估计。同时,介绍了调整型带宽选择机制下...针对全局平稳特征和时空非平稳特征同时存在的现象,提出了混合时空地理加权回归方法(Mixed Geographically and Temporally Weighted Regression,MGTWR),给出了MGTWR的数学定义和回归参数的两步估计。同时,介绍了调整型带宽选择机制下的权重计算方法和基于Akaike信息准则(Akaike Information Criterion,AIC)的参数优化方法。采用复杂程度不同的模拟数据来测试方法的性能。结果表明,MGTWR和GTWR的R2大于0.8,能模拟全局平稳特征和时空非平稳特征的现象,但MGTWR显著优于GTWR。MGWR因无法探测时间平稳特征,模拟效果最差。此外,数据复杂程度影响MGTWR,GTWR和MGWR的性能,数据越简单模拟效果越好。展开更多
文摘针对全局平稳特征和时空非平稳特征同时存在的现象,提出了混合时空地理加权回归方法(Mixed Geographically and Temporally Weighted Regression,MGTWR),给出了MGTWR的数学定义和回归参数的两步估计。同时,介绍了调整型带宽选择机制下的权重计算方法和基于Akaike信息准则(Akaike Information Criterion,AIC)的参数优化方法。采用复杂程度不同的模拟数据来测试方法的性能。结果表明,MGTWR和GTWR的R2大于0.8,能模拟全局平稳特征和时空非平稳特征的现象,但MGTWR显著优于GTWR。MGWR因无法探测时间平稳特征,模拟效果最差。此外,数据复杂程度影响MGTWR,GTWR和MGWR的性能,数据越简单模拟效果越好。
