《表3 变量选取方法性能提升值Tab.3 Performance Evaluation of Variable Selection Method》
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。
图表编号 | XD0028828900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.20 |
作者 | 孙立琴、张福浩、杨树文、仇阿根、张小璐 |
绘制单位 | 兰州交通大学测绘与地理信息学院、甘肃省地理国情监测工程实验室、中国测绘科学研究院、中国测绘科学研究院、兰州交通大学测绘与地理信息学院、甘肃省地理国情监测工程实验室、中国测绘科学研究院、中国测绘科学研究院 |
更多格式 | 高清、无水印(增值服务) |