基于时空地理加权回归模型的区域经济发展收敛性研究

传统的区域经济发展收敛性研究方法往往忽略空间和时间因素对区域经济发展收敛性的影响,导致分析结果存在偏差,使得区域经济发展收敛半衰期与实际差距过大。因此,应开展基于时空地理加权回归模型的区域经济发展收敛性研究。首先,选取区域经济发展变量,对选取的变量利用时空地理加权回归模型进行处理,然后,建立经济发展收敛函数,计量区域经济发展收敛性。实验结果显示:与区域经济发展收敛性回归分析方法和区域经济发展收敛性空间计量经济学研究方法相比,基于时空地理加权回归模型的区域经济发展收敛性研究方法对区域经济发展的收敛半衰期计量结果更准确,与实际的40年一致,具有更好的应用价值。

基于时空加权泊松回归模型的全国布鲁氏菌病分布特征与影响因素分析

目的 分析2014-2018年全国31个省、直辖市、自治区全年日照时长、平均气温与牛、猪、羊年底头数对布鲁氏菌病(简称布病)发病数影响的时空变化特征,为今后制定科学防治措施提供理论依据。方法 建立时空加权泊松回归模型,对系数函数进行置信区间检验与可视化分析,揭示变量间相互影响的时空非平稳性,并与地理加权泊松回归模型拟合结果相比较。结果 全国布病发病数时空分布特征明显,且与五个宏观因素密切相关;时空加权泊松回归模型能有效吸收时间信息与地理信息,回归关系与系数函数具有时空非平稳性,拟合优度检验(R^(2),AICc, RSS)结果优于地理加权泊松回归模型。结论 全国布病防治工作取得一定进展,但今后仍需重点关注北方疫情热点区域,并做好南方疫情冷点区域的监测工作,避免疫情向南方蔓延。

基于扩样技术和地理加权泊松回归模型的交通量估计

提出了扩样和地理加权泊松回归(GWPR)相结合的方法来估计有限观测值下的路网流量。首先,采用基于空间相似性的扩样方法对不平衡的观测流量进行纠正;然后,考虑道路几何特征和建成环境等因素的影响,采用地理加权泊松模型估计车道的小时交通量。结果表明,与传统线性回归模型和原始样本下的地理加权泊松模型相比,组合模型具有最佳的估计性能。此外,自变量与交通量关系的局部空间异质性也得到了很好的捕捉。

时空地理加权模型回归关系的非平稳性Bootstrap检验

文章针对时空地理加权回归模型,通过时空加权距离构造权重矩阵,采用地理加权拟合技术得到回归系数的逐点估计。对整个回归关系进行关于时间和空间的全局非平稳性检验,基于估计残差,构造广义似然比统计量,利用Bootstrap方法计算检验的p值。模拟算例和实际例子均说明该检验方法的有效性。

基于时空地理加权回归模型的中国碳排放驱动因素实证研究

基于2006-2011年中国省级区域面板数据,应用时空加权回归模型(GTWR)实证考察了各驱动因素对碳排放规模和碳排放强度影响的时空差异。研究结果表明:大部分解释变量的时空系数估计值显著,波动性较为稳定,符号与预期一致,各驱动因素及其外溢效应在不同区域存在较强的空间异质性,且表现出一定的空间梯度分布。若实现区域差异化碳减排,需要充分考虑空间异质性和外溢性。

时空地理加权回归模型及其拟合

基于加权最小二乘原理,给出了时空地理加权回归模型的拟合方法,以及与之相关的权函数选取原则和确定窗宽参数的交叉确认法.

基于时空地理加权回归的服务区驶入量影响因素分析

为掌握河北省服务区驶入量的时空分布规律,构建了时空地理加权回归(geographically and temporally weighted regression,GTWR)模型,揭示了服务区规模、服务区地理区位、关联地区土地利用、高速公路类型等因素在时间和空间上对服务区不同车型驶入量的影响。结果表明:时空地理加权回归模型的拟合结果显著优于最小二乘回归模型与地理加权回归模型;断面交通量对3种车型均具有促进作用,特别是在夏季高温地区服务区对于小型车驶入量促进作用显著;2~4 h车程范围内,风景名胜密度对小型车驶入量具有促进作用,且在旅游旺季及位于旅游业发达城市的服务区影响最显著;2~4 h车程范围内工商业型信息点(point of information,POI)密度对大中型车驶入量具有促进作用,特别是在货运高峰期及位于商贸发达城市的服务区促进作用显著;所属高速公路沿途资源型城市数量对服务区大型车驶入量具有显著促进作用,特别是在供暖季节。

时空地理加权回归模型的统计诊断

时空地理加权回归模型作为一类能简单有效的解决数据时空特性问题的数据分析方法已经得到了广泛的应用.主要研究该模型的统计诊断与影响分析.首先,基于数据删除模型定义了Cook统计量;其次,基于均值漂移模型讨论了异常点的检验问题,并构造了相应的检验统计量.

基于时空地理加权回归模型的浙江省碳排放时空格局及驱动因素分析

测算并分析浙江省1995—2015年碳排放量的动态变化特征,通过时空地理加权回归模型分析各影响因素对碳排放总量影响的时空异质性.结果表明:(1)1995—2015年浙江省碳排放总量总体上呈上升趋势,年均增长率为6.69%;能源活动碳排放是浙江省碳排放的主要来源,工业碳排放是能源活动碳排放的主要来源;非能源活动碳排放是浙江省碳排放的次要来源,水泥生产和水稻种植是非能源活动碳排放的主要来源;(2)浙江省碳排放重心大致落在绍兴市西南部,浙江省碳排放重心经历了西北向—西北向—东南向—东向的转移;(3)各主成分因素对碳排放的影响方向和强度具有明显的时空异质性.

基于“潜力⁃弹性⁃稳定性”模型的温州市生态韧性时空变化及影响因素研究

城市生态韧性为城市应对长期发展积累的内在压力,以及外界不确定性风险的冲击提供了新思路,对城市的可持续发展具有重要意义。基于城市生态学视角,从生态韧性的抵御力、恢复力及适应力三个方面特性,构建基于“潜力⁃弹性⁃稳定性”的生态韧性评价模型,分析了1990—2020年温州市生态韧性时空变化特征,并运用时空地理加权回归模型(GTWR),探究了生态韧性影响因素的时空异质性。结果表明:(1)1990—2020年,温州城市生态韧性指数总体呈现先上升后下降的趋势,潜力、弹性、稳定性呈现出相似的变化趋势,研究后期稳定性的提升使生态韧性的下降得到短暂缓解。(2)温州市东部沿海地区生态韧性较差,西部与北部山地生态韧性较好;低韧性水平区呈现出区域中心韧性水平降低,并且向外围扩张的趋势。(3)温州市城市生态韧性影响因素之间存在显著的时空差异,空间上也存在波动方向与强度的差异,这种差异性集中分布于城市边缘县(区)。研究以期为温州市及沿海同等级城市,提升城市生态韧性、促进区域可持续发展决策提供参考。

运用地理加权泊松模型估测天然次生林枯损量分布

运用帽儿山实验林场2004年、2016年2期固定样地(共101块)数据,采用全局泊松模型和地理加权泊松模型(GWPR)对天然次生林枯损株数的空间分布进行了研究,利用Arc GIS软件绘制2种模型关于天然次生林枯损株数的空间分布图。结果表明:局域模型(GWPR)的赤池信息准则(AIC)值和均方误差(MSE)值显著小于全局泊松模型,拥有较高的拟合精度;局域模型残差的全局莫兰指数值在0上下浮动,变动程度明显小于全局模型,全局空间自相关性大大下降;局域模型的局域空间自相关性显著减小,形成了不同观测值少量聚类这一理想的空间分布模式;在对枯损株数空间分布的模拟上,局域模型的拟合偏差要小于全局模型。

时空地理加权回归模型的拟合分析

时空地理加权回归模型是基于地理加权回归模型的一类有效的空间数据分析方法,主要研究该模型在数据删除模型的基础上系数函数的估计及删除观测点后对整个模型的影响,并且给出了权函数的选择方法.

时空地理加权回归模型的统计诊断

时空地理加权回归模型是一类有效的空间数据分析方法,该文将介绍时空地理加权回归模型的统计诊断问题以及基于数据删除模型和均值漂移模型的影响分析,并且利用扰动进行异常点检验.

我国区域物流发展时空差异及收敛性研究——基于地理加权空间计量模型的实证分析

本文在对我国各省区2010~2014年的物流发展状况进行统计描述的基础上,先后构建线性回归方程和地理加权空间计量模型,最终选用模型显著性较高的地理加权空间计量模型分析我国省区物流发展水平的收敛性。发现我国区域物流发展水平虽然整体上呈现出收敛的趋势,但是空间差异较突出;另外,我国物流发展水平平均收敛速度在空间上具有明显的聚集效应,平均收敛速度呈现出明显的由西向东梯度递减的趋势。最后根据实证结果提出促进区域物流一体化的相关建议。

基于地理加权回归模型的大兴安岭中部天然次生林更新分布

【目的】研究大兴安岭地区天然次生林不同位置间森林更新的空间相关性和空间分布模式,探索尺度效应对空间自相关性的影响,对森林更新的影响因子进行分析,从更深层次了解更新动态中潜在的规律性,为该地区天然次生林的经营决策提供理论依据和技术支持。【方法】以黑龙江省大兴安岭新林林业局翠岗林场为研究区,基于2018年7—8月在研究区建立的45块固定样地数据,以林分因子、地形因子、林分空间结构、土壤厚度和物种多样性5方面的9个因子为自变量,建立全局泊松模型和以地理加权回归模型为基础的4种尺度(5、10、15和20 km)地理加权泊松模型(GWPR)对该地区天然次生林更新状况进行模拟,利用全局Moran I和局域Moran I分别对模型残差的全局空间自相关性和空间分布状况进行描述,评价全局模型和各尺度局域模型的拟合效果,对尺度效应下各局域模型之间的差异进行说明,采用5 km尺度局域模型绘制研究区森林更新的空间分布,对研究区森林更新状况进行评价和分析。【结果】5 km尺度局域模型具有最好的模型残差局域化空间分布效果,可形成不同模型残差聚集分布的理想状态,模型变量的参数估计值产生跨度最大的变化范围,模型稳定性最好,随着空间尺度逐渐增大模型稳定性不断下降,但总体上要好于全局模型;同时,处于该尺度下的局域模型,模型残差的空间自相关性最低。局域模型的拟合效果好于全局模型,其中5 km尺度局域模型的MSE和AIC在所有模型中最小。研究区内更新株数呈南高北低、东西差异不明显的分布趋势。【结论】在构建局域模型时,应考虑空间尺度的影响,5 km尺度局域模型可以很好模拟研究区天然次生林更新的空间分布状况,有效降低甚至去除空间自相关性。研究区的林分更新株数主要集中在1000~2000株·hm^-2之间,更新等级处于不良水平,森林天然更新能力整体较弱,可采用人工促进天然更新等措施进行森林经营。

基于局部回归模型的森林生物量动态变化分析

基于丰林县地区4期Landsat影像和对应气象站点数据,结合该地区248块固定样地数据,利用全局回归模型(多元线性模型)和2种局部回归模型(地理加权回归模型、时空地理加权回归模型)建立研究区乔木地上生物量和遥感因子之间的关系,选出最优模型来研究丰林县乔木地上生物量时空变化。结果表明:根据3种模型的模拟结果数据与实测值的分析对比可以发现,局部回归模型的拟合效果要优于全局模型,加入时间特征的时空地理加权回归模型的拟合效果最好,模型评价指标与地理加权回归模型相比更为理想。统计得到研究区4个时期内总的乔木地上生物量分别为1.63×10^(7)、2.05×10^(7)、2.32×10^(7)、3.37×10^(7)t,4个时期的平均乔木地上生物量分别为54.82、68.98、77.87、113.46 t/hm2,乔木地上生物量呈现出逐期增加的趋势。利用遥感因子估测丰林地区的地上生物量,为未来该地区生物量分布的估计提供了依据。

基于地理加权回归的区域出租车出行需求影响模型

为更好地调度出租车运力,缓解热点载客区域出租车供需不平衡现象,需探究出租车需求的时空分布特征及其影响因素。鉴于此,基于出租车GPS数据、计价器数据、公共交通刷卡数据和兴趣点(Point of Interesting,POI)数据等多源异构数据,结合相关性分析法对区域出租车出行需求影响因素进行筛选,建立多维度的影响因素集,构建基于地理加权回归的区域出租车出行需求影响模型。以北京市1 398个交通小区的数据为例,分析不同时空条件下各影响因素对出租车出行需求的影响程度。结果表明:出租车出行需求空间分布具有空间集聚效应,影响因素对出租车需求的影响程度具有空间非稳态特征;各中心区域住宅密度、周边且公司密集区域办公密度及城市外围区域的休闲娱乐服务密度对出租车出行需求有很强的正影响;城市外围区域住宅密度、各中心区域办公密度与出租车出行需求呈负相关;非工作日休闲娱乐服务密度对出租车出行需求促进作用明显大于工作日;区域公共交通产生量对出租车出行需求的影响早、晚高峰差异显著。通过模型对比分析可知,所建模型具有较高的精度,适用于解释各影响因素对出租车出行需求影响的时空差异性。

地理加权回归模型方法与研究新进展

地理加权回归模型是现代空间计量经济学中局部分析的一种重要方法。本文基于文献述评的方式,从空间权重矩阵的设定、参数估计、多重共线性的识别与消除、参数在时空上一致性的假设检验、模型稳健性分析与预测等方面阐释了地理加权回归模型的基本建模范式;并从解释变量及其参数调整、被解释变量的不同数据特征、空间权重的不同设定、参数估计及模型选择方法调整等四个维度对地理加权回归模型方法的研究新进展进行了系统的梳理和解析;还从时空地理加权回归模型的创新推进、地理加权回归模型族的一般化检验与优选、地理加权回归模型与空间计量全局模型的融合建模、基于MATLAB的代码标准化平台化建设等方面指出了地理加权回归模型方法的发展方向。

季节性差分时空地理加权回归在HFRS分析中的应用

为了更好地利用模型对湖北省肾综合征出血热(Hemorrhagic fever with renal syndrome,HFRS)发病率数据的时间和空间分布进行拟合和预测,本文基于传统的时空地理加权回归模型(Geographically and Temporally Weighted Regression model,GTWR),引入时间序列中的季节性差分方法,同时采用空间自相关法优化模型中的带宽参数,构建了季节性差分时空地理加权回归模型(Seasonal Difference-Geographically and Temporally Weighted Regression model,SDGTWR)。研究结果表明,经过季节性差分优化的GTWR模型拟合精度要优于传统的GTWR模型及最小二乘法模型(OLS)和地理加权模型(GWR)方法。

一种基于主成分分析的时空地理加权回归方法

针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。