[论文解读] GWmodel: an R Package for Exploring Spatial Heterogeneity using Geographically Weighted Models

Isabella Gollini, Binbin Lu+3 more|arXiv (Cornell University)|Jun 3, 2013

Spatial and Panel Data Analysis参考文献 45被引用 115

一句话总结

本文介绍了GWmodel R包，用于拟合地理加权回归（GWR）模型，以探究回归系数的空间异质性。该研究提出了一种局部条件数（LCN）诊断方法，用于检测局部回归模型中的共线性问题。通过英国选民投票率案例研究，表明局部条件数范围为32.88至107.50，反映出由于多重共线性导致的广泛不稳定性，并主张采用局部岭回归以稳定估计结果。

ABSTRACT

Spatial statistics is a growing discipline providing important analytical techniques in a wide range of disciplines in the natural and social sciences. In the R package GWmodel, we introduce techniques from a particular branch of spatial statistics, termed geographically weighted (GW) models. GW models suit situations when data are not described well by some global model, but where there are spatial regions where a suitably localised calibration provides a better description. The approach uses a moving window weighting technique, where localised models are found at target locations. Outputs are mapped to provide a useful exploratory tool into the nature of the data spatial heterogeneity. GWmodel includes: GW summary statistics, GW principal components analysis, GW regression, GW regression with a local ridge compensation, and GW regression for prediction; some of which are provided in basic and robust forms.

研究动机与目标

• 开发R包GWmodel，使研究人员能够使用地理加权模型探索回归关系中的空间异质性。
• 解决局部回归模型中多重共线性的问题，该问题可能导致系数估计不稳定且不可靠。
• 实现并验证一种局部条件数（LCN）诊断方法，以评估每个空间位置共线性的严重程度。
• 将标准GWR与局部岭回归（LCR）方法进行比较，以在存在局部多重共线性时提高估计的稳定性。
• 提供实用工具，用于带宽选择、模型比较以及在空间区域内可视化局部条件数。

提出的方法

• GWmodel包使用自适应带宽和固定带宽，结合多种核函数（包括双平方核和盒形核），实现地理加权回归（GWR）。
• 通过局部加权设计矩阵的奇异值分解计算每个位置的局部条件数（LCN），用于衡量系数估计对数据扰动的敏感性。
• 函数`gwr.lcr`在LCN超过阈值时应用局部岭回归，以稳定系数估计，减轻多重共线性的影响。
• 通过交叉验证（CV）或AICc进行带宽选择，`bw.gwr.lcr`用于在LCR框架下优化带宽。
• 使用诊断工具如`gwr.collin.diagno`和`summary(lcrm2$SDF$Local_CN)`提取并分析局部条件数。
• 通过`spplot`实现LCN的空间可视化，利用颜色渐变识别高共线性风险区域。

实验结果

研究问题

• RQ1 如何在R中有效实现地理加权回归，以建模回归系数的空间可变关系？
• RQ2 多重共线性在多大程度上影响GWR中局部回归系数的估计？其空间分布如何量化？
• RQ3 局部岭回归（LCR）是否能改善局部条件数较高的区域中GWR估计的稳定性？
• RQ4 在空间上，多重共线性的风险在何处最为严重？哪些变量对这种不稳定性贡献最大？
• RQ5 在LCR-GWR模型背景下，不同带宽选择方法（CV与AICc）的比较结果如何？

主要发现

• 全模型的全局条件数为41.07，表明在全局层面存在显著的多重共线性。
• 基础GWR模型中的局部条件数范围为32.88至107.50，平均值为59.28，表明所有位置均存在广泛不稳定性。
• 最高的局部条件数（107.50）出现在多重共线性极端严重的区域，表明对数据扰动具有高度敏感性。
• 移除变量'DiffAdd'和'Age25_44'后，全局条件数降至18.69，表明这些变量是共线性的主要贡献者。
• 局部条件数图显示高不稳定性存在空间聚类，最严重的问题集中在特定的城市或过渡区域。
• 局部岭回归（LCR）的应用被证明是稳定高LCN区域系数估计的有效方法，可提高模型可靠性。