基于R语言地理加权回归、主成分分析、判别分析等空间异质性数据分析

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：经典地理加权回归，半参数地理加权回归、多尺度地理加权回归、地理加权主成份分析、地理加权判别分析是处理这类数据的有效模型。
从局部加权回归开始，详细讲述了基于R语言的空间异质性数据分析方法。

【特色】：
1.原理深入浅出的讲解；
2.技巧方法讲解，提供所有案例数据及代码；
3.与项目案例相结合讲解实现方法，对接实际工作应用 ；
4.跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；
5.专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑。

/// 基 于 R 语 言 地 理 加 权 回 归、主 成 份 分 析、判 别 分 析 等 空 间 异 质 性 数 据 分 析

专题一：地理加权回归下的描述性统计学
1.R语言操作简单回顾
2.局部加权的基本原理
3.带宽与核函数选择
4.局部加权的均值，标准差和相关系数
5.分位数及基于分位数的稳健估计

专题二：地理加权主成分分析
1.普通的主成分分析，因子载荷与因子得分分析
2.主成分个数的选择,碎石图
3.地理加权的主成分分析
4.主成分的空间载荷
5.空间主导因子分析

专题三：地理加权回归
1.线性回归：高斯－马尔科夫假设
2.地理加权回归：基本方法与稳健方法，异常值的检验
3.带宽选择：修正的赤池信息法
4.系数检验：F1,F2,F3检验
5.空间稳定性检验：蒙特卡洛方法
6.共线性与变量选择：地理加权回归中的岭回归与Lasso回归
7.时空地理加权回归：GTWR 8.QGIS中的地理加权回归

专题四：高级回归与回归之外
1.多尺度地理加权回归:可变带宽的选择
2.异方差模型
3.广义地理加权回归：链接函数，泊松回归与二项式回归
4.空间权重矩阵与半参数地理加权回归
5.分位数回归与地理加权分位数回归
6.判别分析与地理加权判别分析

更多推荐
●【教 程】R语言分位数回归
●【教 程】R语言结构方程模型分析与应用
●【教 程】基于R语言的贝叶斯网络模型实践技术应用
●【教 程】基于R语言的现代贝叶斯统计学方法实践技术应用
●【教 程】基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算）
●【教 程】R语言数据统计分析与ggplot2高级绘图实践应用
●【教 程】基于R语言的Copula变量相关性分析及应用
●【教 程】基于R语言的极值统计学及其在相关领域中的实践技术应用
●【教 程】R语言混合效应（多水平层次嵌套）模型技术应用与及混合效应模型贝叶斯实现方法
●【教 程】基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习
●【教 程】基于R语言Meta分析方法与进阶实践技术应用