com.supermap.analyst.spatialstatistics
类 GWRSummary

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

public class GWRSummary
extends java.lang.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。

方法摘要

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 java.lang.Object 继承的方法

equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

方法详细信息

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。