【ArcGIS微课1000例】0073：ArcGIS探索性回归分析案例-Toy模板网

这篇具有很好参考价值的文章主要介绍了【ArcGIS微课1000例】0073：ArcGIS探索性回归分析案例。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、探索性回归工具简介

“探索性回归”工具会对输入的候选解释变量的所有可能组合进行评估，以便根据用户所指定的指标来查找能够最好地对因变量做出解释的 OLS 模型。

给定一组候选解释变量，找出正确指定的 OLS 模型：
【ArcGIS微课1000例】0073：ArcGIS探索性回归分析案例,《ArcGIS微课1000例：从点滴到精通》,arcgis,回归,数据挖掘,刘一哥,探索性回归,空间权重

用法：

工具还会生成一个可选表，该表包括所有满足最大系数 p 值边界和方差膨胀因子 (VIF) 值条件的模型。解释探索性回归结果中提供了报表元素和表的完整解释。

工具使用的是普通最小二乘法 (OLS) 和空间自相关 (Global Moran’s I)。可选的空间权重矩阵文件用于空间自相关 (Global Moran’s I) 工具，从而对模型残差进行评估；OLS 工具则根本不会使用此文件。
此工具将尝试输入候选解释变量的每一种组合，以寻找正确指定的 OLS 模型。仅当找到一个满足可接受的最小校正 R 平方、最大系数 p 值边界、最大 VIF 值边界和可接受的最小 Jarque Bera p 值阈值条件的模型时，此工具才会对模型残差运行空间自相关 (Global Moran’s I) 工具，以了解偏低/偏高预计值是否会产生聚集。为了在全部模型均为通过所有这些条件的情况下至少提供一些有关残差聚类方面的信息，还会向具有最高校正 R2 值的三个模型和具有最大 Jarque-Bera p 值的三个模型的残差应用空间自相关 (Global Moran’s I) 测试。
特别是当因变量中存在一个强大的空间结构时，您将希望尝试尽可能多的候选空间解释变量。这些空间变量可以是与主干道的距文章来源地址https://www.toymoban.com/news/detail-677702.html

到了这里，关于【ArcGIS微课1000例】0073：ArcGIS探索性回归分析案例的文章就介绍完了。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！