【摘要】：混合地理加權(quán)回歸模型是一種較為全面的空間分析方法,為了能夠全面充分考慮到模型參數(shù)的類型,它將模型參數(shù)分為全局參數(shù)和局部參數(shù),以此來探究空間關(guān)系的非平穩(wěn)性。本論文主要采用混合地理加權(quán)回歸模型,重點(diǎn)研究了混合地理加權(quán)回歸模型的線性Bayes估計(jì)法和兩步法估計(jì),并將混合地理加權(quán)回歸模型線性Bayes和混合地理加權(quán)回歸模型兩步法估計(jì)的運(yùn)用于實(shí)際應(yīng)用中并作出比較分析,以全國31個(gè)省域SO_2的排放量為例,進(jìn)行Bayes混合地理加權(quán)回歸模型探測及分析空間的特殊性質(zhì)。首先,闡述了普通線性回歸模型的基本理論及最小二乘法估計(jì)法,詳細(xì)介紹了混合地理加權(quán)回歸模型的基本原理和參數(shù)估計(jì),以及將兩種參數(shù)估計(jì)法作出比較。而在實(shí)際應(yīng)用中,由于最小二乘法參數(shù)估計(jì)在模型估計(jì)中存在一定的誤差,并未完整的考慮到模型的特殊性。因此選取混合地理加權(quán)模型并對(duì)模型參數(shù)估計(jì)進(jìn)行了深入研究,最終采用線性Bayes估計(jì)對(duì)混合地理加權(quán)模型進(jìn)行參數(shù)估計(jì)。其次,對(duì)模型回歸參數(shù)線性Bayes估計(jì)方法進(jìn)行介紹,主要采用二階矩陣的最優(yōu)化方法降低Bayes估計(jì)風(fēng)險(xiǎn),進(jìn)行貝葉斯混合地理加權(quán)回歸模型估計(jì)法及統(tǒng)計(jì)模擬。最后以全國31個(gè)省域的SO_2的排放量為例,選取人口密度、就業(yè)率、人均第一產(chǎn)業(yè)額、人均第二產(chǎn)業(yè)額、人均第三產(chǎn)業(yè)額以及人均電力消費(fèi)為變量進(jìn)行如下分析:(1)空間自相關(guān)分析,從全局空間自相關(guān)和局部空間自相關(guān)兩個(gè)方面進(jìn)行分析,通過全局空間自相關(guān)和局部空間自相關(guān)的理論介紹,進(jìn)一步計(jì)算s IMoran′值、繪制s IMoran′散點(diǎn)圖和LISA集聚圖及顯著性來說明SO_2的排放量由于空間地理位置差異,即存在明顯的空間集聚現(xiàn)象和空間依賴性。(2)其次對(duì)SO_2的排放量和選取的六個(gè)解釋變量建立普通線性回歸模型并對(duì)其進(jìn)行最小二乘法估計(jì),通過對(duì)P值及擬合優(yōu)度的計(jì)算和分析以及變量顯著性的分析。發(fā)現(xiàn)線性回歸模型并沒有考慮到空間非平穩(wěn)性和地理空間位置的變化影響,因此本文對(duì)SO_2的排放量和變量進(jìn)行建立混合地理加權(quán)回歸模型并對(duì)其模型參數(shù)進(jìn)行兩步法估計(jì)與Bayes估計(jì)法。(3)在混合地理加權(quán)回歸模型理論知識(shí)的基礎(chǔ)上,在實(shí)際應(yīng)用分析中,本文分別采用兩步法估計(jì)和線性Bayes估計(jì)方法對(duì)模型的參數(shù)估計(jì)分析比較,并對(duì)其進(jìn)行計(jì)算P值以及繪制擬合殘差圖,將SO_2的排放量的分級(jí)圖與殘差圖進(jìn)行比較分析。(4)最終得出結(jié)果,全國31個(gè)省域SO_2的排放量存在空間的依賴性和和較強(qiáng)的集聚性;線性Bayes混合地理加權(quán)回歸模型的顯著性和擬合要優(yōu)于混合地理加權(quán)回歸模型兩步法估計(jì)優(yōu)于普通線性回歸模型參數(shù)估計(jì),同時(shí)線性Bayes混合地理加權(quán)模型能更好的探測到空間的非平穩(wěn)性,分析結(jié)果與事實(shí)相吻合。
【圖文】：

圖 3.1 系數(shù)函數(shù) (,)1α uv真實(shí)曲面，對(duì)于給定的m 和回歸系數(shù)函數(shù)，系數(shù)函重復(fù)下的估計(jì)值表示為() kjα ，則該系數(shù)在均值為： (,)1,)1()1iinkkiiuvn v == α，， i = 1, 2, ,n個(gè)地理位置處估計(jì)的絕對(duì)偏差的平均值為 = niiiiiuvuvn111 (,)(,)1αα， i = 1, 2, ,n個(gè)地理位置處的估計(jì)標(biāo)準(zhǔn)偏差的平均值為 = nkiiiikuvuv121()1( (,) (,))]αα， i = 1, 2, )1α數(shù)值越小時(shí)，則說明估計(jì)的參數(shù)精確

圖 4.1 Moran' sI散點(diǎn)圖由圖 4.1 可看出，局部 Moran' sI值的 P 值小于 0.05 時(shí)，局部的集聚性具有顯著性，即本地區(qū)和其他周圍地區(qū)分布含有一定的相似性，存在集聚性；當(dāng) P=1 時(shí)，相似性較小為隨機(jī)分布。圖中可以看出大多的分布點(diǎn)集中于一三象限，空間分布特征為2SO 排放量與空間地理位置有著一定關(guān)系。為了突出各省域之間2SO 排放量的分布，采用 LISA 圖進(jìn)行描述各個(gè)地區(qū)之間的污染質(zhì)量情況。
【學(xué)位授予單位】：新疆財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：O212

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 喬寧寧;;混合地理加權(quán)回歸模型中的空間相關(guān)性檢驗(yàn)和參數(shù)估計(jì)研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2013年08期

2 丁剛;;基于BGWR模型的區(qū)域創(chuàng)新能力建設(shè)中政府效能測評(píng)[J];技術(shù)經(jīng)濟(jì);2013年04期

3 崔長彬;姜石良;張正河;;河北縣域經(jīng)濟(jì)影響因素的空間差異分析——基于貝葉斯地理加權(quán)回歸方法[J];經(jīng)濟(jì)地理;2012年02期

4 楊萬平;袁曉玲;;環(huán)境庫茲涅茨曲線假說在中國的經(jīng)驗(yàn)研究[J];長江流域資源與環(huán)境;2009年08期

5 魏傳華;吳喜之;;空間變系數(shù)模型的統(tǒng)計(jì)診斷[J];數(shù)理統(tǒng)計(jì)與管理;2007年06期

6 霍涉云;張偉平;韋來生;;一類線性模型參數(shù)的Bayes估計(jì)及其優(yōu)良性[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2007年07期

7 玄海燕;劉樹群;羅雙華;;混合地理加權(quán)回歸模型的兩種估計(jì)[J];蘭州理工大學(xué)學(xué)報(bào);2007年03期

8 覃文忠;王建梅;劉妙龍;;混合地理加權(quán)回歸模型算法研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2007年02期

9 魏傳華;梅長林;;半?yún)?shù)空間變系數(shù)回歸模型的Back-Fitting估計(jì)[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2006年03期

10 覃文忠;王建梅;劉妙龍;;地理加權(quán)回歸分析空間數(shù)據(jù)的空間非平穩(wěn)性[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

相關(guān)博士學(xué)位論文 前1條

1 盧一強(qiáng);變系數(shù)模型的研究與分析[D];華東師范大學(xué);2003年

相關(guān)碩士學(xué)位論文 前2條

1 許影;江蘇省經(jīng)濟(jì)與環(huán)境的空間統(tǒng)計(jì)分析[D];南京信息工程大學(xué);2013年

2 張潔;基于GWR模型的城市住宅地價(jià)空間分異研究[D];浙江大學(xué);2012年

本文編號(hào)：2647121