《表3 变量选取方法性能提升值Tab.3 Performance Evaluation of Variable Selection Method》

  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

《逐步回归的时空地理加权变量选取方法》

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

对各指标依次相互比较可知，基于逐步回归的时空地理加权变量选取方法的AIC值和MSE值最小，分别为-281.581 8、0.001 1，而R2值和R2adj值最大，分别为0.787 0和0.784 7。基于逐步回归的时空地理加权变量选取方法比传统逐步回归方法R2提高了15.26%，比向后剔除法提高了5.51%，比向前引入法提高了2.67%。基于逐步回归的时空地理加权变量选取方法的AIC值和传统逐步回归方法AIC值相比，AIC值从-149.984 3降到了-281.581 8，减小131.597 5，它比向后剔除法小87.571 1，比向前引入法小6.616 4。基于逐步回归的时空地理加权变量选取方法比传统逐步回归方法MSE降低了64.52%，比向后剔除法降低了54.17%，比向前引入法降低了42.11%（表3所示）。因此，在实验中基于逐步回归的时空地理加权变量选取方法选择的变量集最好。即，在文中实验中建立GTWR模型，采用基于逐步回归的时空地理加权变量选取方法所选取变量是人口分布影响因素的最优解。