Географически взвешенная регрессия (ГВР) (Инструменты GeoAnalytics Server)
Краткая информация
Выполняет Географически взвешенную регрессию (ГВР), локальную форму линейной регрессии, используемую для моделирования пространственных отношений.
Прежние версии:
Расширение ArcGIS GeoAnalytics Server устаревает в ArcGIS Enterprise. Финальный релиз of GeoAnalytics Server был включен в состав ArcGIS Enterprise 11.3. Этот инструмент геообработки доступен в ArcGIS Enterprise 11.3 и более ранних версиях.
Примечание:
Этот инструмент представляет собой часть возможностей, добавленных в инструмент [Географически взвешенная регрессия] (ГВР)(../spatial-statistics/geographicallyweightedregression.yml), представленный в ArcGIS Pro 2.3.
Для понимания алгоритмов работы инструмента см. раздел Более подробно о работе инструмента Географически взвешенная регрессия. В этом разделе описывается инструменты в наборе инструментов Пространственная статистика, а также функции, не включенные на данный момент в Инструменты GeoAnalytics Server.
Использование
Этот инструмент геообработки доступен с ArcGIS Enterprise 10.8.1 или более поздними версиями.
Инструмент выполняет Географически взвешенную регрессию (ГВР), локальную форму линейной регрессии, используемую для моделирования пространственных отношений. Метод ГВР создает локальную модель переменной или процесса, которые вы прогнозируете или изучаете, применяя уравнение регрессии к каждому пространственному объекту в наборе данных. Географически взвешенная регрессия (ГВР) создает отдельные уравнения путем включения зависимых и независимых переменных объектов, попадающих в окрестности каждого целевого объекта. Форма и экстент каждой окрестности анализируется на основании входных данных для параметров Тип окрестности и Метод выбора окрестности.
Географически взвешенная регрессия применяется к наборам данных с несколькими сотнями объектов для лучших результатов. Инструмент не подходит для очень небольших наборов данных. Инструмент не работает с мультиточечными данными.
Этот инструмент не поддерживает входные значения, содержащие только дату, и поля, содержащие только время.
В параметре Входные объекты укажите поле, представляющее явление, которое вы моделируете (Зависимую переменную), а также укажите одно или несколько полей, представляющих значения параметра Независимые переменные. Поля должны быть числовыми и содержать диапазоны значений. Объекты, у которых отсутствуют значения в зависимых или описательных переменных, будут исключены из анализа. Вы можете использовать инструмент [Вычислить поле] для изменения значений. Если данные доступны для использования в ArcGIS Pro, используйте инструмент Заполнить отсутствующие значения, чтобы добавить недостающие значения в набор данных перед запуском инструмента Географически взвешенная регрессия (ГВР).
Инструмент Географически взвешенная регрессия (ГВР) также создает выходные объекты и добавляет поля со значениями локальных проверок. Значения параметра Выходной класс объектов и связанные с ним диаграммы автоматически добавляется в таблицу содержания со схемой отображения от горячего к холодному, применяемой в моделировании невязок. Полное пояснение по каждому результату см. в разделе Как работает инструмент Географически взвешенная регрессия.
Примечание:
Инструмент Географически взвешенная регрессия (ГВР) производит множество различных результатов. Итоговая информация по модели ГВР сохраняется в виде сообщений, которые появляются в нижней части панели Геообработка во время выполнения этого инструмента. Для доступа к сообщению наведите курсор на индикатор выполнения, нажмите всплывающую кнопку или разверните секцию сообщений на панели Геообработка. Вы также можете просмотреть сообщения, касающиеся ранее запущенного инструмента Географически взвешенная регрессия (ГВР) в истории геообработки.
Необходимо использовать спроецированные данные.
К общепринятым рекомендациям относится глобальное изучение данных с использованием инструмента [Обобщенная линейная регрессия] перед локальным исследованием с помощью инструмента Географически взвешенная регрессия (ГВР).
Зависимая переменная и Независимые переменные должны быть заданы числовыми полями, содержащими диапазоны значений. Эти значения должны различаться как на глобальном, так и на локальном уровне. Поэтому не стоит использовать "фиктивные" независимые переменные, чтобы представить различные пространственные режимы в модели ГВР (например, переписным районам вне городского ядра назначают значения 1, в то время как всем другим назначают значение 0). Поскольку Географически взвешенная регрессия (ГВР) допускает изменение коэффициентов независимых переменных, эти независимые переменные пространственного режима являются ненужными, а их включение создаст проблемы с локальной мультиколлинеарностью.
В глобальных регрессионных моделях, таких как Обобщенная линейная регрессия, результаты ненадежны, когда у двух или более переменных наблюдается мультиколлинеарность (когда 2 или более переменных избыточны или вместе рассказывают одну и ту же историю). Инструмент Географически взвешенная регрессия (ГВР) строит уравнение локальной регрессии для каждого объекта в наборе данных. Когда значения для конкретной независимой переменной кластеризованы в пространстве, вы вероятнее всего будете иметь проблемы с локальной мультиколлинеарностью. Поле числа обусловленности (
COND_ADJ) в выходном классе объектов указывает на нестабильность результатов вследствие локальной мультиколлинеарности. Как правило, не стоит доверять результатам для объектов со скорректированным числом обусловленности более 30, равным 0 или, для шейп-файлов, равным 1.7976931348623158e+308.При включении номинальных или категорийных данных в модели ГВР необходимо быть очень внимательным. Если наблюдается кластеризация в пространстве по категориям, присутствует высокий риск столкновения с локальной мультиколлинеарностью. Скорректированное число обусловленности, включенное в результаты Географически взвешенной регрессии, указывает, когда локальная коллинеарность – проблема (скорректированное число обусловленности меньше чем ноль, больше чем 30, или Null). Результаты в присутствии локальной мультиколлинеарности непостоянны.
Регрессионная модель – определена некорректно, если отсутствует ключевая независимая переменная. Статистически существенная пространственная автокорреляция невязок регрессии и/или неожиданное пространственное изменение среди коэффициентов одной или более независимых переменных предполагают, что ваша модель определена некорректно. Вы должны приложить все усилия (используя анализ невязок ОЛР и коэффициентов вариационного анализа ГВР), чтобы обнаружить эти ключевые недостающие переменные и включить их в модель.
Постоянный вопрос, имеет ли смысл для независимой переменной быть нестационарной. Например, предположите, что вы моделируете плотность определенного вида растений, как функцию нескольких переменных, включая
ASPECT. Если вы находите, что коэффициент для переменнойASPECTизменяется в области исследования, вы, вероятно, видите доказательства недостатка ключевой независимой переменной (возможно, распространенность конкурирующей растительности, например). Вы должны приложить все усилия, чтобы включать все ключевые независимые переменные в вашу регрессионную модель.Когда результатом вычисления будет бесконечность или неопределенным, результат для файлов, которые не являются шейп-файлами, будет Пустым.
Серьезные проблемы в схеме модели или ошибки выявления локальных уравнений, не содержащих в своих описаниях достаточное количество соседей, зачастую указывают на проблемы с глобальной или локальной мультиколлинеарностью. Чтобы обнаружить, где встретилась проблема, запустите глобальную модель, используя Обобщенную линейную регрессию, и проверьте значение фактора, увеличивающего дисперсию для каждой переменной величины. Если некоторые из значений Фактора, увеличивающего дисперсию, – большие (выше 7,5, например), глобальная мультиколлинеарность не позволяет работать методу ГВР (географически взвешенная регрессия). Однако вероятнее всего, проблемой является локальная мультиколлинеарность. Попытайтесь создать тематическую карту для каждой независимой переменной. Если карта раскрывает пространственную кластеризацию идентичных значений, следует рассмотреть вариант исключения тех переменных из модели или комбинирования тех переменных с другими независимыми переменными для увеличения вариации значений. Если, например, вы моделируете значения для дома и имеете переменные для спален и ванных комнат отдельно, вы, возможно, захотите объединить их, чтобы увеличить вариацию значений или представить их как ванная комната/спальня. При конструировании моделей Географически взвешенной регрессии, избегайте использования фиктивных значений, пространственной кластеризации категорий или номинальных переменных, или переменных с очень малым числом возможных значений.
Географически взвешенная регрессия это линейная модель, к которой предъявляются те же требования, что и к Обобщенной линейной регрессии. Просмотрите подобный разбор показателей проверки в разделе Как работает Географически взвешенная регрессия (ГВР), чтобы убедиться, что ваша модель ГВР определена корректно. Не все описанные показатели доступны в наборе инструментов GeoAnalytics Desktop. Раздел {Плохо работает модель регрессии](../spatial-statistics/regression-analysis-basics.md#783) в статье Основы регрессионного анализа также содержит информацию, которая поможет вам повысить точность модели.
Можно улучшить производительность инструмента Географически взвешенная регрессия (ГВР) одним или всеми из следующих способов:
Установите параметр среды экстента таким образом, чтобы анализировались только интересующие вас данные.
Уменьшите количество окрестностей в вычислениях.
Используйте опцию Число соседей вместо Диапазона расстояний в параметре Тип окрестности (
neighborhood_type = "NUMBER OF NEIGHBORS"в Python).По возможности, используйте меньше описательных переменных.
Используйте локальные данные, относительно места выполнения анализа.
Этот инструмент геообработки работает на ArcGIS GeoAnalytics Server. Анализ выполняется на GeoAnalytics Server, а результаты сохраняются в ресурсах ArcGIS Enterprise.
При запуске инструментов GeoAnalytics Server анализ выполняется на GeoAnalytics Server. Для оптимальной производительности предоставьте данные GeoAnalytics Server через векторные слои, размещенные на вашем портале ArcGIS Enterprise, или через общие ресурсы файлов больших данных. Данные, которые не находятся локально на GeoAnalytics Server, будут перемещены на GeoAnalytics Server перед началом анализа. Это означает, что выполнение инструмента займет больше времени, и в некоторых случаях перемещение данных из ArcGIS Pro на GeoAnalytics Server может завершиться с ошибкой. Порог сбоя зависит от скорости сети, а также от размера и сложности данных. Рекомендуется всегда публиковать данные или создавать файловое хранилище больших данных.
Более подробно о публикации локаторов на портале
[Узнайте больше о создании совместного файла больших данных через Server Manager
Аналогичный анализ можно выполнить при помощи инструмента Географически взвешенная регрессия из набора инструментов Пространственная статистика. Используйте инструмент из набора Пространственная статистика, когда необходимо выполнить следующие задачи:
Используйте локальные слои на компьютере с ArcGIS Pro (например, классы объектов в файловой базе геоданных).
Записывайте прогнозируемые значения в другой слой или создайте слой растровых коэффициентов.
Смоделируйте бинарную (логическую) или количественную (Пуассона) переменную.
Задайте поиск окрестностей, используя Золотой поиск или Интервал вручную.
Параметры
| Подпись | Объяснение | Тип данных |
|---|---|---|
|
Входные объекты |
Класс точечных объектов, содержащий зависимые и независимые переменные. |
Feature Set |
|
Зависимая переменная |
Числовое поле, содержащее значения, которые нужно смоделировать. |
Field |
|
Тип модели |
Указывает тип моделируемых данных.
|
String |
|
Независимые переменные |
Перечень полей, представляющих независимые переменные в вашей регрессионной модели. |
Field |
|
Выходные объекты |
Имя выходного сервиса пространственных объектов. |
String |
|
Тип окрестности |
Указывает, создается ли окрестность, используемая в модели, фиксированной, или допускаются изменения в пространстве как в зависимости от плотности объектов.
|
String |
|
Метод выбора окрестности |
Задает, как будут определяться размер окрестности.
|
String |
|
Число соседей (Дополнительный) |
Число ближайших соседних объектов (до 1000), учитываемых для каждого объекта. Это должно быть целое число в диапазоне от 2 до 1000. |
Long |
|
Диапазон расстояний (Дополнительный) |
Пространственный экстент окрестности. |
Linear Unit |
|
Локальная схема весов (Дополнительный) |
Определяет тип кернфункции, которая будет использоваться при присвоении пространственных весов в модели. Кернфункция определяет, каким образом каждый объект связан с остальными объектами в пределах окрестности.
|
String |
|
Хранилище данных (Дополнительный) |
Задает хранилище ArcGIS Data Store, в котором будут храниться выходные данные. Все результаты, находящиеся в хранилище пространственно-временных больших данных, будут храниться в системе WGS84. Результаты в реляционном хранилище данных сохраняют свои систему координат.
|
String |
Производные выходные данные
| Подпись | Объяснение | Тип данных |
|---|---|---|
|
Выходные данные |
Выходные объекты. |
Record Set |
Параметры среды
Выходная система координат, Экстент, Текущая рабочая область
Особые случаи
- Выходная система координат
-
The coordinate system that will be used for analysis. Analysis will be completed in the input coordinate system unless specified by this parameter. For GeoAnalytics Tools, final results will be stored in the spatiotemporal data store in WGS84.
Информация о лицензировании
- Basic: Требуется ArcGIS GeoAnalytics Server
Доступно с ArcGIS Enterprise 10.8.1 - Standard: Требуется ArcGIS GeoAnalytics Server
Доступно с ArcGIS Enterprise 10.8.1 - Advanced: Требуется ArcGIS GeoAnalytics Server
Доступно с ArcGIS Enterprise 10.8.1