GWRSummary (iObjects Java Help)

java.lang.Object
- com.supermap.analyst.spatialstatistics.GWRSummary

```
public class GWRSummary
extends Object
```
地理加权回归结果汇总类。该类给出了地理加权回归分析的结果汇总，例如带宽、相邻数、残差平方和、AICc和判定系数等。

方法概要

所有方法实例方法具体方法
限定符和类型	方法和说明
`double`	`getAIC()` 返回地理加权回归结果汇总中的AIC。
`double`	`getAICc()` 返回地理加权回归结果汇总中的AICc。
`double`	`getBandwidth()` 返回地理加权回归结果汇总中的带宽范围。
`double`	`getEdf()` 返回地理加权回归结果汇总中的有效自由度。
`double`	`getEffectiveNumber()` 返回地理加权回归结果汇总中的有效的参数数量。
`int`	`getNeighbors()` 返回地理加权回归结果汇总中的相邻数目。
`double`	`getR2()` 返回地理加权回归结果汇总中的判定系数（R2）。
`double`	`getR2Adjusted()` 返回地理加权回归结果汇总中的校正的判定系数。
`double`	`getResidualSquares()` 返回地理加权回归结果汇总中的残差平方和。
`double`	`getSigma()` 返回地理加权回归结果汇总中的残差估计标准差。

从类继承的方法 java.lang.Object
equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 方法详细资料
  - getNeighbors
```
public int getNeighbors()
```
    返回地理加权回归结果汇总中的相邻数目。
    1、用于各个局部估计的相邻数目，它控制模型中的平滑程度。通常，你可以选择默认的相邻点值，方法是：设置带宽确定方式(GWRParameter.setKernelType)方法选择BandWidthType.AICC或BandWidthType.CV，这两个选项都将尝试识别最佳自适应相邻点数目。
    
    2、由于"最佳"条件对于AIC和CV并不相同，都会得到相对的最优AICc值和CV值，因而通常会获得不同的最佳值。
    
    3、可以通过设置带宽类型（GWRParameter.setKernelType）方法提供精确的自适应相邻点数目。
    
    返回:
    
    地理加权回归结果汇总中的相邻数目。
  - getBandwidth
```
public double getBandwidth()
```
    返回地理加权回归结果汇总中的带宽范围。
    1、用于各个局部估计的带宽范围，它控制模型中的平滑程度。通常，你可以选择默认的带宽范围，方法是：设置带宽确定方式(GWRParameter.setKernelType)方法选择BandWidthType.AICC或BandWidthType.CV，这两个选项都将尝试识别最佳带宽范围。
    
    2、由于"最佳"条件对于AIC和CV并不相同，都会得到相对的最优AICc值和CV值，因而通常会获得不同的最佳值。
    
    3、可以通过设置带宽类型（GWRParameter.setKernelType）方法提供精确的带宽范围。
    
    返回:
    
    地理加权回归结果汇总中的带宽范围。
  - getResidualSquares
```
public double getResidualSquares()
```
    返回地理加权回归结果汇总中的残差平方和。
    残差平方和为实际值与估计值（或拟合值）的平方之和。此测量值越小，模型越拟合观测数据，即拟合程度越好。
    
    返回:
    
    地理加权回归结果汇总中的残差平方和。
  - getEdf
```
public double getEdf()
```
    返回地理加权回归结果汇总中的有效自由度。
    数据的数目与有效的参数数量（EffectiveNumber）的差值，不一定是整数，可用来计算多个诊断测量值。自由度较大的模型拟合度会较差，能够较好的反应数据的真实情况，统计量会变得比较可靠；反之，拟合效果会较好，但是不能较好的反应数据的真实情况，模型数据的独立性被削弱，关联度增加。
    
    返回:
    
    地理加权回归结果汇总中的有效自由度。
  - getEffectiveNumber
```
public double getEffectiveNumber()
```
    返回地理加权回归结果汇总中的有效的参数数量。
    反映了估计值的方差与系数估计值的偏差之间的折衷，该值与带宽的选择有关，可用来计算多个诊断测量值。对于较大的带宽，系数的有效数量将接近实际参数数量，局部系数估计值将具有较小的方差，但是偏差将会非常大;对于较小的带宽，系数的有效数量将接近观测值的数量，局部系数估计值将具有较大的方差，但是偏差将会变小。
    
    返回:
    
    地理加权回归结果汇总中的有效的参数数量。
  - getSigma
```
public double getSigma()
```
    返回地理加权回归结果汇总中的残差估计标准差。
    残差的估计标准差，为剩余平方和除以残差的有效自由度的平方根。此统计值越小，模型拟合效果越好。
    
    返回:
    
    地理加权回归结果汇总中的残差估计标准差。
  - getAIC
```
public double getAIC()
```
    返回地理加权回归结果汇总中的AIC。
    与AICc类似，是衡量模型拟合优良性的一种标准，可以权衡所估计模型的复杂度和模型拟合数据的优良性，在评价模型时是兼顾了简洁性和精确性。表明增加自由参数的数目提高了拟合的优良性，AIC鼓励数据的拟合性，但是应尽量避免出现过度拟合的情况。所以优先考虑AIC值较小的，是寻找可以最好的解释数据但包含最少自由参数的模型。
    
    返回:
    
    地理加权回归结果汇总中的AIC。
  - getAICc
```
public double getAICc()
```
    返回地理加权回归结果汇总中的AICc。
    当数据增加时，AICc收敛为AIC，也是模型性能的一种度量，有助与比较不同的回归模型。考虑到模型复杂性，具有较低AICc值的模型将更好的拟合观测数据。AICc不是拟合度的绝对度量，但对于比较用于同一因变量且具有不同解释变量的模型非常有用。如果两个模型的AICc值相差大于3，具有较低AICc值的模型将视为更佳的模型。
    
    返回:
    
    地理加权回归结果汇总中的AICc。
  - getR2
```
public double getR2()
```
    返回地理加权回归结果汇总中的判定系数（R2）。
    判定系数是拟合度的一种度量，其值在0.0和1.0范围内变化，值越大模型越好。此值可解释为回归模型所涵盖的因变量方差的比例。R2计算的分母为因变量值的平方和，添加一个解释变量不会更改分母但是会更改分子，这将出现改善模型拟合的情况，但是也可能假象。
    
    返回:
    
    地理加权回归结果汇总中的判定系数（R2）。
  - getR2Adjusted
```
public double getR2Adjusted()
```
    返回地理加权回归结果汇总中的校正的判定系数。
    校正的判定系数的计算将按分子和分母的自由度对它们进行正规化。这具有对模型中变量数进行补偿的效果，由于校正的R2值通常小于R2值。但是，执行校正时，无法将该值的解释作为所解释方差的比例。自由度的有效值是带宽的函数，因此，AICc是对模型进行比较的首选方式。
    
    返回:
    
    地理加权回归结果汇总中的校正的判定系数。

类 GWRSummary

方法概要

从类继承的方法 java.lang.Object

方法详细资料

getNeighbors

getBandwidth

getResidualSquares

getEdf

getEffectiveNumber

getSigma

getAIC

getAICc

getR2

getR2Adjusted