干货分享 | 地理加权回归GWR2020新版开源软件下载和使用

由Stewart Fotheringham教授团队在原GWR4开源地理加权回归软件基础上，开发的MGWR多尺度地理加权回归开源软件（MGWR 2.2.1）已在亚利桑那州立大学网站发布，包含Windows和MacOS两个版本，并附有详细软件说明，以及四个公开样本学习数据集。其相关理论、应用和软件介绍文献于近期陆续发表。

我们详细整理了该软件相关资料。

MGWR（多尺度地理加权回归）是基于Microsoft Windows和MacOS的新版本应用软件，用于校准多尺度地理加权回归（GWR）模型，该模型可用于探索因变量/响应变量与独立/解释变量的空间关系。它结合了广泛使用的对空间异质性建模的方法-地理加权回归（GWR）以及新提出的方法-多尺度GWR（MGWR），它放宽了对所有要建模的过程都在相同空间尺度上的假设。GWR模型可以被认为是一种具有空间变参数的回归模型。

了解有关开源python软件包mgwr的更多信息，请访问软件包作者的git存储库，网址为https://github.com/pysal/mgwr。

软件特色

• 通过迭代加权最小二乘法对高斯模型，泊松模型和二项式概率模型进行GWR模型校准。

• 通过黄金分割搜索或等间隔搜索选择GWR带宽

• GWR特定的模型诊断，包括多个假设检验校正和局部共线性

• 参数估计曲面的空间变异性的蒙特卡洛检验

• 基于GWR的空间预测

• 通过GAM迭代反拟合对高斯模型进行MGWR模型校准

• GWR和MGWR的并行计算

• MGWR协变量特定的推论，包括多重假设检验校正和局部共线性

• GWR和MGWR的带宽置信区间

使用软件请引用

Oshan, T. M., Li, Z., Kang, W., Wolf, L. J., & Fotheringham, A. S. (2019). mgwr: A Python implementation of multiscale geographically weighted regression for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269.

本文转载自公众号新遥感，版权归原作者及公众号所有

原文标题：地理加权回归GWR2020新版开源软件下载和使用[附微信学习群]

更多请点击文末“阅读原文”

-THE END-

图文排版：张聪聪责任编辑：鲁嘉颐
审编：王波涛 终审： 顾伟男   田巍   梁龙武

猜你喜欢

扫描二维码，关注我们

都看到这里了，点个【在看】再走呗~