专注系列化高质量的R语言教程

推文索引 | 联系小编 | 付费合集


有读者不知道如何用地理加权回归去预测新的数据。本篇以常用的两个工具包为例进行介绍。

本篇目录如下:

  • 0 数据准备

  • 1 spgwr工具包

  • 2 GWmodel工具包

  • 3 结语

相关推文:

  • spgwr | R语言与地理加权回归(Ⅰ-1):线性地理加权回归

  • spgwr | R语言与地理加权回归(Ⅰ-2):广义线性地理加权回归

  • GWmodel | 地理加权模型(Ⅱ-1):地理加权主成分分析(GWPCA)

  • GWmodel | 地理加权模型(Ⅱ-2):如何查看地理加权回归的显著性

0 数据准备

示例数据是来自spData工具包的NY8_utm18.shp。该数据在推文线性地理加权回归中使用过。

library(rgdal)
NY8 <- readOGR(system.file("shapes/NY8_utm18.shp",package = "spData"))

该数据共包含281个空间单元。随机选择其中的276个作为模型数据,剩余5个作为预测数据。代码如下:

set.seed(0312)
modelid <- sample(1:281, 276)
predid <- setdiff(1:281, modelid)modeldata <- NY8[modelid,]
preddata <- NY8[predid,]plot(modeldata)
plot(preddata, add = T, col = "red")

1 spgwr工具包

使用spgwr工具包的函数运行一个地理加权模型:

library(spgwr)
form <- Z ~ PEXPOSURE + PCTAGE65P + PCTOWNHOME
bw <- gwr.sel(formula = form, data = modeldata,gweight = gwr.Gauss, method = "cv")model <- gwr(formula = form, data = modeldata,bandwidth = bw, gweight = gwr.Gauss)

该模型不能使用predict()函数进行预测:

predict(model, preddata)
## Error in UseMethod("predict") :
##  no applicable method for 'predict' applied to an object of class "gwr"

在R语言中,使用什么函数预测模型需要看对应工具包的设计。比如spgwr工具包,在帮助文档中可以发现gwr()函数有两个参数与模型预测有关:

  • fit.points: an object containing the coordinates of fit points; often an object from package sp; if missing, the coordinates given through the data argument object, or the coords argument are used;

  • predictions: default FALSE; if TRUE and no fit points given, return GW fitted values at data points, if fit points given and are a Spatial*DataFrame object containing the RHS variables in the formula, return GW predictions at the fit points.

因此,在spgwr工具包中模型运行和预测使用的是同一个函数;如需使用新数据进行预测,需使用fit.points参数指定包含新数据的矢量数据,并设置predictions = TRUE

model12 <- gwr(formula = form, data = modeldata,bandwidth = bw, gweight = gwr.Gauss,fit.points = preddata,predictions = T)
## 查看预测结果
model12$SDF$pred
## [1]  0.04586992 -0.36963028 -0.09173360 -0.39631776  0.13528131
  • 对比modelmodel12SDF可以发现:不需要模型预测的model,其SDF@data对应的是模型数据;需要模型预测的model12,其SDF@data对应的是预测数据;

  • 其他函数如ggwr()函数的预测方法类似。

2 GWmodel工具包

使用GWmodel工具包的函数运行一个地理加权模型(带宽参数bw仍使用上例的值):

library(GWmodel)
model2 <- gwr.basic(formula = form, data = modeldata,bw = bw, kernel = "gaussian")

该工具包同样不支持使用predict()函数进行模型预测:

predict(model2, preddata)
## Error in UseMethod("predict") :
##  no applicable method for 'predict' applied to an object of class "gwrm"

查看帮助文档可发现一个gwr.predict()函数,其参数predictdata的说明如下:

  • predictdata: a Spatial*DataFrame object to provide prediction locations, i.e. SpatialPointsDataFrame or SpatialPolygonsDataFrame as defined in package sp.

示例如下:

model22 <- gwr.predict(formula = form, data = modeldata,bw = bw, kernel = "gaussian",predictdata = preddata)
## 查看预测结果
model22$SDF$prediction
## [1]  0.04586992 -0.36963028 -0.09173360 -0.39631776  0.13528131

3 结语

关于R语言中的函数使用方法,学堂君在下面的推文中已经介绍了:

  • 如何正确使用R语言的函数——为什么有的模型结果不能使用summary函数查询?

地理加权回归 | 模型如何应用于新数据的预测?相关推荐

  1. R语言构建回归模型并获取对于新数据预测的预测区间实战:给出预测区间而不是一个具体的预测值、置信区间与预测区间的异同

    R语言构建回归模型并获取对于新数据预测的预测区间实战:95%或者99%预测区间而不是一个具体的预测值.置信区间与预测区间的异同 目录

  2. gis中的加权求和工具在哪里_干货分享 | 地理加权回归介绍及其arcgis软件操作

    一.地理加权回归模型概述 橘生淮南则为橘,生于淮北则为枳,叶徒相似,其实味不同.所以然者何?水土异也.--<晏子春秋·内篇杂下>这段文字很好的描述了空间异质性.从地理空间的角度,经济发展尤 ...

  3. ArcGIS与地理加权回归【三】

    开   工    大    急 原址链接: ArcGIS与地理加权回归[三]https://mp.weixin.qq.com/s/x85EXKImSHio1IZovW9qdA 接着5个月之前..... ...

  4. spgwr | R语言与地理加权回归(Ⅰ-1):线性地理加权回归

    地理加权回归(Geographically Weighted Regression, GWR)经过多年发展,已经具备了多种形式,在R语言中也对应着多个工具包,其中spgwr是一个开发较早.比较经典的工 ...

  5. R语言地理加权回归数据分析

    在自然和社会科学领域有大量与地理或空间有关的数据,这一类数据一般具有严重的空间异质性,而通常的统计学方法并不能处理空间异质性,因而对此类型的数据无能为力.以地理加权回归为基础的一系列方法:经典地理加权 ...

  6. 白话空间统计二十四:地理加权回归(八)结果解读(一)

    地理加权回归分析完成之后,与OLS不同的是会默认生成一张可视化图,像下面这张一样的: 这种图里面数值和颜色,主要是系数的标准误差.主要用来衡量每个系数估计值的可靠性.标准误差与实际系数值相比较小时,这 ...

  7. 空间地理加权回归stata_xy妙妙屋丨地理加权回归和空间自相关

    关于地理加权回归和空间自相关 菜鸡的我只是大神文章的搬运工orz,本意是想搞清楚双变量局部空间自相关和地理加权回归的区别,虽然依旧一知半解,但是,害.(下面网址我不会搞超链接,我发现有点麻烦,所以我懒 ...

  8. R语言GWR地理加权回归

    最近需要用到GWR地理加权回归,数据量有5万条,使用了GIS.GWR4进行计算,但都没能成功.应该是数据量过大. 参考相关博客,还有一个方法是R语言的实现.因为没怎么接触过R语言,所有想请问一下各位, ...

  9. R语言glm拟合logistic回归模型实战:基于glm构建逻辑回归模型及模型系数统计显著性分析、每个预测因子对响应变量的贡献

    R语言glm拟合logistic回归模型实战:基于glm构建逻辑回归模型及模型系数统计显著性分析.每个预测因子对响应变量的贡献 目录

最新文章

  1. 这个小学生毕业典礼被全世界围观:疫情之下开脑洞,《我的世界》还能这样玩!中国网友:作业写不完的我感到嫉妒...
  2. 归并排序(C++版)
  3. adf4351使用方法_ADF:使用HTTP POST方法进行URL任务流调用
  4. springboot:web开发-Thymeleaf
  5. LInux下Ubuntu下查看端口占用及关闭
  6. Python copy模块浅拷贝和深拷贝
  7. 浏览器缓存机制(优化)
  8. 如何调后端接口_看了都说好:浅谈前后端分工协作
  9. 再见!经典版Edge!
  10. android.cat 镜像,Android开发利器之pidcat安装方式
  11. PyYAML和configparser模块讲解
  12. Linux 内核 SMP 代码追踪 --- cpumask
  13. 西南大学计算机应用基础作业答案2020,2018秋【西南大学】[0483]《计算机应用基础》作业(资料)...
  14. 十月微信小程序导航:官方文档+精品教程+demo集合(10月14日更新)
  15. 解决iOS 12.4 (16G77), which may not be supported by this version of Xcode
  16. PS修改图片上的文字
  17. 用户画像标签体系建设指南
  18. 自制裸眼3D图【推荐】
  19. Python爬虫入门教程06:爬取数据后的词云图制作
  20. 火线 地线 零线 漫谈

热门文章

  1. Redis设计与实现-读书笔记
  2. 三-五功能/半亮/25%亮/全亮/爆闪/SOS_专用应急灯手电筒IC方案
  3. 字符串处理:输入字符串s1和s2以及插入位置f,在字符串s1中的指定位置f处插入字符串s2。如输入BEIJING, 123, 3,则输出:BEI123JING。
  4. 使用联想计算节点的方法整理
  5. java finalize方法总结、GC执行finalize的过程
  6. 最短路计数(dp+最短路)
  7. QVector元素增删改
  8. 【javascript】class的继承之super的使用
  9. unity获取麦克风音量_Unity调取移动端的麦克风进行录音并播放
  10. python编程控制机器人_基于Python开发的微信图灵机器人