一、前言
当我们准备好MPI和灯光指数(包括总灯光指数和平均灯光指数)之后,接下来主要的过程就是通过将MPI和灯光指数拟合,构建多维度指数估算模型,这里我解释一下前文中的MPI计算过程,其实利用熵值法确定指标权重,并通过各 指 标 归 一 化 数 值 乘 以 对 应 的 权 重 再 求 和 后 可 得 MPI。在本研究中,该指数为负向指数,数值越大, 表示贫困程度越低。
主要是将MPI和灯光指数进行线性回归分析,用于构建以夜间灯光指数为自变量的多维 贫困指数模型。
二、具体步骤
1、拟合工具选择
其实为了方便的话,可以直接用Excel,当然为了突出专业性那么可以采取SPSS、matalab等软件进行拟合,那么这里我将演示一下利用Excel和SPSS进行拟合的过程。
Excel中将MPI和灯光指数分别整理好如下:
(2)选择ANLI和MPI,这里要注意自变量和因变量的选择,也就就是顺序问题,灯光指数是作为自变量,MPI是因变量,所以ANLI在前,MPI在后选中,然后找到菜单栏中的插入散点图。
特别注意,要先选择好ANLI和MPI,这里我们先平均灯光指数和MPI拟合。
(3)然后找到出现散点图,单击一下散点图任意位置,随后右上角出现的+
将趋势线勾选上
勾选趋势线之后出现的函数模型中选择更多选项。
(4)在Excel右侧会出现设置趋势线格式,在最下面有显示公司和显示R2,在散点图上面就会出现对应的模型函数和R2
结果如下
SPSS中样将灯光指数和MPI准备好,保存到Excel中
(1)打开SPSS软件,在文件下拉菜单中选择打开Excel
选择准备好的表格
(2)导入之后
(3) 找到分析——曲线估算
(4)设置好变量和因变量
结果如下:
至此拟合就结束
2、误差分析,其实这一步比较简单,主要的计算相对误差,就是模拟得到MPI和实际计算MPI之间的相对误差。文章来源:https://www.toymoban.com/news/detail-495555.html
文章来源地址https://www.toymoban.com/news/detail-495555.html
到了这里,关于三、DSMP/OLS等夜间灯光数据贫困地区识别——MPI和灯光指数拟合、误差分析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!