121 人关注0 条评论

写回答

查看全部 5 个回答

写回答

叶山Shan Ye

GIS/地质/人文地理/可持续发展

A2A 谢邀，

我和我认识的一些人，刚开始用R做空间分析的时候，也遇到过这个问题。R这种开源的东西，优点是各种包很丰富，缺点是有些包的说明写得很乱，地理加权回归（GWR）的R包其实功能很强大，但大部分说明都不大靠谱。

GWR在R里面可以用好几个不同的包来实现，其中步骤最简单的是spgwr。思路就两步：建立窗口、用窗口扫全局。这其实就是GWR本质上的两步。比如我要在全美国范围内统计某两个（或多个）变量之间的回归关系，我可以做一个全局回归（global regression），但因为这些变量在空间分布上或许会有异质性（heterogeneity），表现在统计结果上就是空间不稳定性（nonstationarity），因此只看全局的统计，可能看不出什么结果来。举个不完全恰当但是很容易领会精神的例子，你比如说，我要分析亚洲范围内，经济发展程度与牛肉销量之间的关系，经济越发达的地方，人们就越吃得起牛肉。可是等我统计到印度的时候，坏了，印度大部分人不吃牛肉，这不是经济状况导致的，这一下就影响了全局统计的参考价值，那怎么办呢？我们可以建立一个窗口（正规说法是带宽窗口，bandwidth window），每次只统计窗口范围内的经济与牛肉销量的关系，然后用这个窗口去扫过全局的范围。等统计到印度的时候，印度内部的各地和印度自己比，吃牛肉的人的比例就不会突然减少，这样就能减少这种空间不稳定性对全局统计的影响。

所以，第一步就是要建立这样一个『窗口』。当然了，首先要安装包，我们要用到的R包有：

library(spgwr)

library(rgdal)

library(sf)

library(spData)

library(sp)

library(lattice)

library(ggplot2)

library(ggthemes)

其中，spgwr是做GWR的包，rgdal是用来读取矢量要素的，sf，sp和spData都是用来处理矢量数据的，别的基本都是画图用。

以下默认你会R和GWR的基本操作。并且，以下只展现方法，不要纠结我的数据和结果，我随便找的数据，这个数据本身没有什么意义，所以做出的统计看起来很『壮观』。

我们先导入数据。这里我用的是美国本土48州各个县（county，也有翻译成郡的）的人口普查数据和农业数据，来源是ESRI Online数据库。为啥用这个数据呢？因为...我电脑里面就存了这么个可以用来做GWR的数据...

我们用rgdal读取数据，然后把它画出来看看

require(rgdal)

usa_agri <- readOGR(dsn = "~/Documents/Spatial", layer = "usa_counties")

plot(usa_agri)

会得到这个东西：

readOGR里面，dsn后面加储存shp的路径（加到文件夹为止），layer后面写shp的文件名（不加.shp）。不喜欢rgdal的同学可以不用，用maptools或者spData等别的处理shp的R包代替。不过如果用maptools，要注意处理一下参考系。

我们看一下这个shp里面的列联表都有什么：

可见，shp里面有3108个县的数据，数据有61种。然后再看data下面有什么：

总之就是各种人口普查的数据，后面截不完图，还有经济、房地产和农业之类的数据。那我们就随便选两个来当变量。我就随便挑了，因变量选AVESIZE12，即2012年各个县农场的平均占地面积。自变量选POP_SQMI，也就是人口密度（每平方英里的人口）。

现在正式建立窗口，调用的是spgwr里面的gwr.sel函数：

bw <- gwr.sel( AVE_SIZE12 ~ POP_SQMI, data = usa_agri, gweight = gwr.Gauss,

verbose = FALSE, method = "cv")

其中~前后分别是因变量和自变量。GWR里因变量只能有1个，但自变量可以选多个，如果需要多个自变量的话，就在代码POP_SQMI之后用+号连接就行。gweight是你的空间加权的函数（随空间距离增大而不断衰减的函数，衰减率由下面要提到的带宽控制），这里用的是比较常用的高斯函数，其余的还有gwr.bisquare等函数可以调用。verbose决定是否汇报制定窗口的过程。method是决定构建带宽窗口模型的方法，这里用的cv指的是cross validation，即交叉验证法，也是最常用的方法，简单说就是把数据分成不同的组，分别用不同的方法来做回归计算，计算完了之后记录下结果，然后打乱重新分组，再回归计算，再看结果，周而复始，最后看哪种计算方法的结果最靠谱，这种方法就是最优解。还有一种很常见的选择最佳拟合模型的方法是AIC optimisation法，把method后面的cv改成aic就可以用。具体AIC optimisation是什么：AIC（赤池信息准则）_百度百科。总之，空间加权函数和带宽窗口构建方法的选择是GWR里面十分重要的步骤。

以上便是固定带宽窗口的示意图。比如我在对佐治亚做GWR，这一轮的regression target是红色的这个县，根据做出来的窗口，圆圈以内的县都要被算为红色县的邻县，其权重根据高斯函数等空间权重函数来赋值，而圆圈以外的县，空间权重都赋为0。

不喜欢固定带宽窗口的同学也可以不用它，而是用符合Tobler地理学第一定律的非固定带宽邻域统计，操作方法是在gwr.sel里面加一个命令adapt = TRUE，这样的情况下，根据你设置的k邻居数，每一轮统计的时候，和本轮对象在k以内相邻的多边形的权重参数会被赋值为0到1之间的一个数，比如下图:

我在对佐治亚做GWR，这一轮的regression target是红色的这个县，那么图上标为1的县就是红色县的1阶邻县，标为2的是2阶（邻县的邻县），标为3的是3阶（邻县的邻县的邻县）。如果用非固定带宽邻域统计，k为3，那么1、2、3都被定义为红色县的邻县，它们的权重从3到1依次增加，会按比例被赋上0和1之间的值，而其它没有标注的县，权重为0。

下一步就是用前一步做出的窗口去扫过全局区域：

gwr_result <- gwr(AVE_SIZE12 ~ POP_SQMI, data = usa_agri, bandwidth = bw,

gweight = gwr.Gauss, hatmatrix = TRUE)

这一步如果数据量大，可能会要跑一阵，跑完之后我们看看结果里面有什么：

Call:

gwr(formula = AVE_SIZE12 ~ POP_SQMI, data = usa_agri, bandwidth = bw,

gweight = gwr.Gauss, hatmatrix = TRUE)

Kernel function: gwr.Gauss

Fixed bandwidth: 205880.3

Summary of GWR coefficient estimates at data points:

Min. 1st Qu. Median 3rd Qu.Max. Global

X.Intercept. 7.3883e+01 2.1081e+02 3.2802e+02 6.6691e+02 8.5705e+03 625.5656

POP_SQMI -8.0085e+01 -4.5983e-01 -1.4704e-01 -7.3703e-02 -2.1859e-03 -0.0426

Number of data points: 3108

Effective number of parameters (residual: 2traceS - traceS'S): 119.6193

Effective degrees of freedom (residual: 2traceS - traceS'S): 2988.381

Sigma (residual: 2traceS - traceS'S): 1048.78

Effective number of parameters (model: traceS): 84.90185

Effective degrees of freedom (model: traceS): 3023.098

Sigma (model: traceS): 1042.741

Sigma (ML): 1028.4

AICc (GWR p. 61, eq 2.33p. 96, eq. 4.21): 52109.55

AIC (GWR p. 96, eq. 4.22): 52017.7

Residual sum of squares: 3287040139

Quasi-global R2: 0.4829366

基本上你做GWR该需要的结果这里都有了。比如窗口大小（Fixed bandwidth）是205880.3，意思是前一步构建的带宽窗口是半径205.88千米的圆。Effective number of parameters显示的是你带宽窗口的大小合不合适。Sigma是残差的标准差，这个值要尽量小。Residual sum of squares（RSS）也是对拟合程度的一个评估值。最重要的是最后那个R2，越靠近1说明统计的拟合度越好。我这里面Sigma很大，R2也不是很大，因为我这里只是呈现方法，用的数据本来就是互不相干、没什么太大意义的，所以不用太纠结。如果你是真正的统计数据要来做GWR，就需要注意这些值了。

然后，我们就可以把每个县的R2画在地图上。首先，前面报告里的这些数据，比如R2，要先自己去生成的GWR结果里面去找，然后自己再算一下每个县的local R2，并把它们赋值到shp里面去：

一、例子

[例1] 高尔顿钉板试验.

图中每一个黑点表示钉在板上的一颗钉子.每排钉子等距排列,下一排的每个钉子恰在上一排两相邻钉子之间.假设有排钉子,从入口中处放入小圆珠.由于钉板斜放,珠子在下落过程中碰到钉子后以的概率滚向左边,也以的概率滚向右边.如果较大,可以看到许多珠子从处滚到钉板底端的格子的情形如图所示,堆成的曲线近似于正态分布.

如果定义:当第次碰到钉子后滚向右边,令当第次碰到钉子后滚向左边,令.则是独立的,且

那么由图形知小珠最后的位置的分布接近正态.可以想象,当越来越大时接近程度越好.由于时,.因此,显然应考虑的是的极限分布.历史上德莫佛第一个证明了二项分布的极限是正态分布.研究极限分布为正态分布的极限定理称为中心极限定理.

二、中心极限定理

设是独立随机变量序列,假设存在,若对于任意的,成立

称服从中心极限定理.

[例2] 设服从中心极限定理,则服从中心极限定理,其中为数列.

解:服从中心极限定理,则表明

其中.由于,因此

故服从中心极限定理.

三、德莫佛-拉普拉斯中心极限定理

在重贝努里试验中,事件在每次试验中出现的概率为为次试验中事件出现的次数,则

[例3] 用频率估计概率时的误差估计.

由德莫佛—拉普拉斯极限定理,

由此即得

第一类问题是已知,求,这只需查表即可.

第二类问题是已知,要使不小于某定值,应至少做多少次试验?这时利用求出最小的.

第三类问题是已知,求.

解法如下:先找,使得.那么,即.若未知,则利用,可得如下估计: .

[例4] 抛掷一枚均匀的骰子,为了至少有0.95的把握使出现六点的概率与之差不超过0.01,问需要抛掷多少次?

解:由例4中的第二类问题的结论,.即.查表得.将代入,便得. 由此可见,利用比利用契比晓夫不等式要准确得多.

[例5] 已知在重贝努里试验中,事件在每次试验中出现的概率为为次试验中事件出现的次数,则服从二项分布:

的随机变量.求.

解:

因为很大,于是

所以

利用标准正态分布表,就可以求出的值.

[例6] 某单位内部有260架电话分机,每个分机有0.04的时间要用外线通话,可以认为各个电话分机用不用外线是是相互独立的,问总机要备有多少条外线才能以0.95的把握保证各个分机在使用外线时不必等候.

解:以表示第个分机用不用外线,若使用,则令否则令.则.

如果260架电话分机同时要求使用外线的分机数为,显然有.由题意得,

查表得,,故取.于是

取最接近的整数,所以总机至少有16条外线,才能有0.95以上的把握保证各个分机在使用外线时不必等候.

[例7] 根据孟德尔遗传理论,红黄两种番茄杂交第二代结红果植株和结黄果植株的比率为3:1,现在种植杂交种400株,试求结黄果植株介于83和117之间的概率.

解:将观察一株杂交种的果实颜色看作是一次试验,并假定各次试验是独立的.在400株杂交种中结黄果的株数记为,则.

由德莫佛—拉普拉斯极限定理,有

其中,即有

四、林德贝格-勒维中心极限定理

若是独立同分布的随机变量序列,假设,则有

证明:设的特征函数为,则

的特征函数为

又因为,所以

于是特征函数的展开式

从而对任意固定的,有

而是分布的特征函数.因此,

成立.

[例8] 在数值计算时,数用一定位的小数来近似,误差.设是用四舍五入法得到的小数点后五位的数,这时相应的误差可以看作是上的均匀分布.

设有个数,它们的近似数分别是,.,.令

用代替的误差总和.由林德贝格——勒维定理,

以,上式右端为0.997,即以0.997的概率有

[例9] 设为独立同分布的随机变量序列,且互相独立,其中,证明:的分布函数弱收敛于.

证明:为独立同分布的随机变量序列,且互相独立,所以仍是独立同分布的随机变量序列,易知有

由林德贝格——勒维中心极限定理,知的分布函数弱收敛于,结论得证.

作业:

P222 EX 32,33,34,35

五、林德贝尔格条件

设为独立随机变量序列,又

令,对于标准化了的独立随机变量和

的分布

当时,是否会收敛于分布?

[例10] 除以外,其余的均恒等于零,于是.这时就是的分布函数.如果不是正态分布,那么取极限后,分布的极限也就不会是正态分布了.因而,为了使得成立,还应该对随机变量序列加上一些条件.从例题中看出,除以外,其余的均恒等于零,在和式中,只有一项是起突出作用.由此认为,在一般情形下,要使得收敛于分布,在的所有加项中不应该有这种起突出作用的加项.因为考虑加项个数的情况,也就意味着它们都要“均匀地小”.

设是独立随机变量序列,又,,这时

(1)若是连续型随机变量,密度函数为,如果对任意的,有

(2)若是离散型随机变量,的分布列为

如果对于任意的,有

则称满足林德贝尔格条件.

[例11] 以连续型情形为例,验证:林德贝尔格条件保证每个加项是“均匀地小”.

证明: 令,则

于是

从而对任意的,若林德贝尔格条件成立,就有

这个关系式表明, 的每一个加项中最大的项大于的概率要小于零,这就意味着所有加项是“均匀地小”.

六、费勒条件

设是独立随机变量序列,又,,称条件为费勒条件.

林德贝尔格证明了林德贝尔格条件是中心极限定理成立的充分条件,但不是必要条件.费勒指出若费勒条件得到满足,则林德贝尔格条件也是中心极限定理成立的必要条件.

七、林德贝尔格-费勒中心极限定理

引理1 对及任意的,

证明:记,设,由于

因此, ,其次,对,

用归纳法即得.

由于,因此,对也成立.

引理2 对于任意满足及的复数,有

证明:显然

因此,

由归纳法可证结论成立.

引理3 若是特征函数,则也是特征函数,特别地

证明 定义随机变量

其中相互独立,均有特征函数,服从参数的普哇松分布,且与诸 独立,不难验证的特征函数为,由特征函数的性质即知 成立.

林德贝尔格-费勒定理

定理 设为独立随机变量序列,又 .令 ,则

(1)

与费勒条件成立的充要条件是林德贝尔格条件成立.

证明:(1)准备部分

记

(2)

显然(3)

(4)

以及分别表示的特征函数与分布函数,表示的分布函数,那么 (5)

这时

因此林德贝尔格条件化为:对任意,

(6)

现在开始证明定理.设是任意固定的实数.

为证(1)式必须证明

(7)

先证明,在费勒条件成立的假定下,(7)与下式是等价的:

(8)

事实上,由(3)知,又因为

故对一切,

把在原点附近展开,得到

因若费勒条件成立,则对任意的,只要充分大,均有

(9)

这时

(10)

对任意的,只要充分小,就可以有

(11)

因此,由引理3,引理2及(10),(11),只要充分大,就有

(12)

因为可以任意小,故左边趋于0,因此,证得(7)与(8)的等价性.

(2)充分性

先证由林德贝尔格条件可以推出费勒条件.事实上,

(13)

右边与无关,而且可选得任意小对选定的,由林德贝尔格条件(6)知道第二式当足够大时,也可以任意地小,这样,费勒条件成立.

其次证明林德贝尔格条件能保证(1)式成立.注意到(3)及(4),可知,

当时,

当时,

因此

(14)

对任给的,由于的任意性,可选得使,对选定的,用林德贝尔格条件知只要充分大,也可使.因此,已证得了(8),但由于已证过费勒条件成立,这时(8)与(7)是等价的,因而(7)也成立.

(3)必要性

由于(1)成立,因此相应的特征函数应满足(7).但在费勒条件成立时,这又推出了(8),因此,

(15)

上述被积函数的实部非负,故

而且

(16)

因为对任意的,可找到,使,这时由(15),(16)可得

故林德贝尔格条件成立.

八、李雅普诺夫定理

设为独立随机变量序列,又.令,若存在,使有

则对于任意的,有