R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析

在自然和社会科学领域有大量与地理或空间有关的数据,这一类数据一般具有严重的空间异质性,而通常的统计学方法并不能处理空间异质性,因而对此类型的数据无能为力。以地理加权回归为基础的一系列方法: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。本次培训从局部加权回归开始,详细讲述了基于R语言的空间异质性数据分析方法。

R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析_第1张图片

专题一: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

R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析_第2张图片

R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析_第3张图片

专题二: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

R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析_第4张图片

专题三: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

R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析_第5张图片

专题四: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

R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析_第6张图片

 查看原文

基于R语言的Copula变量相关性分析及应用 (qq.com)

基于R语言的分位数回归实践技术高级应用 (qq.com)

基于现代R语言【Tidyverse、Tidymodel】的机器学习方法 (qq.com)

微信公众平台 (qq.com)

基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习技术应用 (qq.com)

Meta分析在生态环境领域里的应用 (qq.com)

你可能感兴趣的:(r语言,回归,数据分析)