《表6 PCA-GWR模型各主成分的局部VIF统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PCA-GWR方法的村级贫困时空格局及致贫因素分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对与贫困发生率存在显著相关的6个贫困指标做GWR分析，使用R中的GW包计算并统计每个贫困指标的局部VIF值，如表5所示，其中VIF均值、VIF最大值、VIF最小值分别表示某个贫困指标在232个行政村中局部VIF的平均值、最大值、最小值。结果表明GWR分析中低学历和缺乏劳动力贫困指标的VIF值大于4，由表1知：低学历和缺乏劳动力指标与贫困发生率的Pearson相关系数值分别为0.986、0.887，与贫困发生率呈显著极强相关关系，因此这2个贫困指标对致贫原因的分析都非常重要，而GWR分析同时考虑这2个指标时，VIF值过高，所以采用GWR分析会导致多重共线性问题。对PCA-GWR分析的局部VIF值统计如表6，每个主成分的VIF值都接近1，表明PCA-GWR模型不存在多重共线性问题。