从0开始学习R语言-Day56–空间变系数模型

对于涉及到空间相关性分析的数据来说，直接对其做杜宾模型的拟合，有时候很难解释有些变量的p值或是否收敛，因为许多变量的联系以及数据特征在拟合的过程中被消化掉了。

而用不同的方法和模型去一步步测试特性，不仅可以证明课题或数据有无研究下去的意义，还可以帮我们节省工作量，确定研究的方向。

以下是一个例子：

# 加载包
library(sp)
library(spgwr)
library(ggplot2)
library(sf)

# 生成模拟数据
set.seed(123)
lon <- runif(100, 0, 10)
lat <- runif(100, 0, 10)
x <- rnorm(100, mean = 10, sd = 2)
beta <- 2 + 0.5 * lon – 0.3 * lat
y <- beta * x + rnorm(100, sd = 1)
data <- data.frame(y, x, lon, lat)

# 转换为 SpatialPointsDataFrame
coordinates(data) <- c(“lon”, “lat”)

# 拟合GWR模型
bw <- gwr.sel(y ~ x, data = data, method = “aic”)
gwr_model <- gwr(y ~ x, data = data, bandwidth = bw)

# 确保 SDF 是空间对象
gwr_sf <- st_as_sf(gwr_model$SDF, coords = c(“lon”, “lat”))

ggplot(gwr_sf) +
geom_sf(aes(color = x), size = 3) +
scale_color_gradientn(colors = heat.colors(100)) +
labs(title = “x的系数空间变化”)