《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》
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。
图表编号 | XD00130849700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 罗耀文、任周鹏、葛咏、韩李涛、刘梦晓、何亚文 |
绘制单位 | 山东科技大学测绘科学与工程学院、中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、山东科技大学测绘科学与工程学院、中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室、中国石油大学(华东) |
更多格式 | 高清、无水印(增值服务) |