《表2 OLS模型、GWR模型及SGWR模型总体回归结果》
注:**为通过99%显著性检验,*为通过95%显著性检验;灰色覆盖数值为非变异性变量的属性值。
对比3个模型结果(表2),模型2的AICc值较模型1下降约10.3,Fotheringham等指出,下降数值大于3即表示GWR模型适用[36],因此考虑到解释变量空间变异的GWR模型具备更好的拟合能力。此外,模型3的AICc值在模型2的基础上下降了约3.1,且R2以及调整后R2都有小幅度上升,说明SGWR模型的对变量空间格局的拟合能力和解释能力更强,因此更优于传统GWR模型。作为一种半参数回归,SGWR模型中每一个区位的样本点上的各变异性变量均有其唯一的R2、标准误及t值,为了对研究问题进行更为有效地解释,笔者仅对具备统计学意义的变异性变量(|tˉ|≥1.96)进行统计分析。下文拟从各变量平均系数的角度进行模型总体分析,并基于各变量对各样本城市的差异化影响的角度分析驱动因素的空间分异格局,进一步划分与识别各影响区。
图表编号 | XD00130317900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 古恒宇、孟鑫、沈体雁、崔娜娜 |
绘制单位 | 北京大学政府管理学院、芝加哥大学空间数据科学中心、北京大学政府管理学院、华润(深圳)有限公司、北京大学政府管理学院、北京交通大学建筑与艺术学院 |
更多格式 | 高清、无水印(增值服务) |