GeoDa技术应用之空间自回归模型（三）
在前期的推文中，主要介绍了GeoDa软件的功能以及如何确定空间权重矩阵。
那么在前期的基础上，本文开始介绍如何选择合适的回归模型。
OpenGeoDa软件中提供了三种回归模型：
1.经典回归模型（OLS Regression）
2.空间滞后模型（Spatial Lag Model）
3.空间误差模型（Spatial Error Model）
选择哪种模型，往往需要经过多次重复试验比较后才能够确定。一般情况下，可以从经典回归GeoDa模型开始，综合软件输出的诊断信息后，再进行后续的模型调整。图1给出了空间回归模型选择的一般流程，可供实际建模时参考。
图1 空间回归模型选择的一般流程
1.打开菜单“Methods”,选择“Regression”，在弹出的对话框，设置“Output file name”为southRegressionOLS.rtf，点击“OK”。
图2 回归结果报告标题和保存文件
2.选择因变量（Dependent Variable）和自变量（Independent Variables）。
图3 回归模型参数设置
“Dependent Variable”为HR60；
“Independent Variables”为RD60、PS60、UE60、DV60、MA60；
“Weights File”为前面生成的south_rk12.gal；
“Models”为Classic。点击“Run”运行该模型。
图4 经典回归模型参数设置
3.点击“View Results”查看模型的拟合结果（如图5），由5大部分组成。
第（1）部分主要给了模型对数据的拟合程度。Adjusted R-squared 0.10说明了其解释力较低，Log likelihood（-4551.15）、AIC（9115.01）、SC（9146.52）等指标可与后面的其他模型进行比较。
第（2）部分给出了各个模型中各变量的系数及其显著性，变量PS60未能通过显著性检验（p值为0.16）。
第（3）部分给出了共线性条件数，并诊断了模型残差是否符合正态分布。条件数小于30，表明共线性不明显；残差未能通过正态分布检验。
第（4）部分诊断了残差的异方差性，结果表明存在异方差性。
第（5）部分诊断了在给定权重矩阵情形下研究对象的自相关性（包括lag和error两种情况），是选择哪种模型要重点参考的部分（图1）。
图5 OLS回归模型结果
Lagrange Multiplier:拉格朗日乘数法
空间滞后模型（lag）置信度更高，空间误差模型（error）置信度低。
根据图1的判断流程，应该使用Spatial Lag Model建立模型。
福利时间：
关注公众号，后台回复“空间自相关”，即可获取软件和数据噢~
资源仅供学术交流使用，严禁商用！如有侵权，请联系小编微信：yang1271027103
推文期数：2019023
责任编辑：杨俊凤 王根茂 姚春宇
推文审核：骆丹云 易娜 武金洲
总审核：学术无界顾问团
往期回顾：