GWR4软件怎么用+结果解读

1. 1. 将数据另存为.csv格式，不然GWR4无法读取数据。
      注意，表格中包括（1）序号（城市名称）用于标识；（2）坐标（最好是投影坐标m，可以在arcgis里转换得到）；（3）Y和X。
      

2. Browse读取数据，Open一下，看看行列号是否正确；之后view data看一眼；
   

3. 确定模型
   左一：标识；
   左二：坐标，如果是m的投影坐标，选左边，如果是°的经纬度坐标，选右边；官方推荐是m的投影坐标。（可以在arcgis里转换获取）
   
   左三：不用选择，如果是逻辑回归logistic，可以选第三个

右一：因变量Y
右二：局部自变量们X
右三：全局控制变量，在GWR中很少选择

4. 核函数：默认选择即可
   
   

5. 输出名称和执行。
   （1）输入名称
   
   （2） 执行后看结果—点击
   

6. 结果解读：
   
   （1） 总览txt文件，里面是global regression全局回归和GWR的对比。
   

关键参数：
Residual sum of square：残茬平方和，越小越好；
Log-likelihood：越大越好；（不知道为啥此处GWR不好，难道是-2？）
AICc值：越小越好
R square：R2，越大越好

综上所述，GWR优于MLR

（2）csv文件–GWR中每个点系数、R2
因为global模型全局的系数一样，所以在左图的最下面直接给出结果，而GWR则是每个点/多边形都有一个系数，所以这些系数就会有最大值、最小值和均值。

而具体每个点的结果在csv文件中列举出来了，下面解释下每个系数的含义：


Area_num, Area_key: 这个点/多边形的序号和名称
x/y_coord:坐标
est_Intercept: estimator，截距项Intercept的估计值
se_ Intercept: standard error，截距项的标准误
t_ Intercept: t value，截距项t检验的值，查表后可以得出p值，确定是否显著
其他的est_, se_, t_同理

y：y的观测值，也就是你输入的值；
yhat：y的估计值；y-yhat就是残差
std_residual: studentised residual；
localR2: local R square，GWR的精华，每个点的R2
influence: influence indicator，cooksD: Cook’s D indicator没啥用