在自然和社會科學領域有大量與地理或空間有關的數據，這一類數據一般具有嚴重的空間異質性，而通常的統計學方法并不能處理空間異質性，因而對此類型的數據無能為力。以地理加權回歸為基礎的一系列方法：經典地理加權回歸，半參數地理加權回歸、多尺度地理加權回歸、地理加權主成份分析、地理加權判別分析是處理這類數據的有效模型。

專題一：地理加權回歸下的描述性統計學

1.R語言操作簡單回顧

2.局部加權的基本原理

3.帶寬與核函數選擇

4.局部加權的均值，標準差和相關系數

5.分位數及基于分位數的穩健估計

專題二：地理加權主成分分析

1.普通的主成分分析，因子載荷與因子得分分析

2.主成分個數的選擇,碎石圖

3.地理加權的主成分分析

4.主成分的空間載荷

5.空間主導因子分析

專題三：地理加權回歸

1.線性回歸：高斯－馬爾科夫假設

2.地理加權回歸：基本方法與穩健方法，異常值的檢驗

3.帶寬選擇：修正的赤池信息法

4.系數檢驗：F1,F2,F3檢驗

5.空間穩定性檢驗：蒙特卡洛方法

6.共線性與變量選擇：地理加權回歸中的嶺回歸與Lasso回歸

7.時空地理加權回歸：GTWR

8.QGIS中的地理加權回歸

專題四：高級回歸與回歸之外

1.多尺度地理加權回歸:可變帶寬的選擇
2.異方差模型
3.廣義地理加權回歸：鏈接函數，泊松回歸與二項式回歸

4.空間權重矩陣與半參數地理加權回歸

5.分位數回歸與地理加權分位數回歸

6.判別分析與地理加權判別分析

原文鏈接：

https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247618536&idx=5&sn=a192b7fb899738ec68f718bbcb91489a&chksm=fa7850d5cd0fd9c38cc16fef5227d5f0cb23285c8d5d85ec1a50855b77829844e1b50a0beb31&token=1356914685&lang=zh_CN&scene=21#wechat_redirect