pysal.model.mgwr.gwr.GWRResults¶

class pysal.model.mgwr.gwr.GWRResults(model, params, predy, S, CCT, w=None)[源代码]¶

基本类，包括所有GWR回归模型的公共属性

参数:

model : GWR对象 带估计参数的GWR对象指针 params : 数组 n*k，估计系数 predy : 数组 n*1，预测y值 S : 数组 N*N，HAT矩阵 CCT : 数组 n*k，标度方差协方差矩阵 w : 数组 n*1，用于迭代重新加权最小平方圈的最终权重；默认值为无。

属性:

model : GWR对象 指向已估计参数的GWR对象的点 params : 数组 n*k，参数估计 predy : 数组 n*1，y的预测值 y : 数组 n*1，因变量 X : 数组 n*k，自变量，含常数 family : 家庭对象 潜在概率模型；提供特定于分布的计算 n : 整数 观测次数 k : 整数 自变量数 df_model : 整数 模型自由度 df_resid : 整数 剩余自由度 offset : 数组 n*1，第i个位置的偏移变量。对于泊松模型，这个术语通常是风险人群的大小或空间流行病学中预期结果的大小；默认值为“无”，其中所有位置的ni都变为1.0。 scale : 浮动 用于后续计算的sigma平方 w : 数组 n*1，迭代重新加权最小平方圈例程的最终权重 resid_response : 数组 n*1，代表的残差 resid_ss : 标量 平方和 W : 数组 n*n；每个校准点每次观测的空间权重 S : 数组 N*N，HAT矩阵 CCT : 数组 n*k，标度方差协方差矩阵 ENP : 标量 有效参数个数 tr_S : 浮动 s（hat）矩阵的迹线 tr_STS : 浮动 STS矩阵的轨迹 y_bar : 数组 y的加权平均值 TSS : 数组 地理加权平方和 RSS : 数组 地理加权残差平方和 R2 : 浮动 整个模型的r平方（1-rss/tss） aic : 浮动 阿卡克信息准则 aicc : 浮动 修正了考虑模型复杂性（较小带宽）的Akaike信息标准 bic : 浮动 贝叶斯信息准则 localR2 : 数组 局部R方 sigma2 : 浮动 残差 std_res : 数组 标准化残差 bse : 数组 BETA的标准误差 influ : 数组 影响：S矩阵的前导对角线 CooksD : 数组 N*1，Cook D tvalues : 数组 返回给定参数估计的t统计量。 adj_alpha : 数组 修正α（临界）值，以解释假设测试期间的多重测试。 deviance : 数组 n*1，每个校准点的本地模型偏差 resid_deviance : 数组 n*1，每个校准点剩余偏差的局部和 llf : 标量 完整模型的日志可能性；请参阅pysal.contrib.glm.family了解Damily Secific日志可能性 pDev : 浮动 当地的越轨率占了很大比例。 mu : 数组 n*，估计量预测平均响应值的平面一维数组 fit_params : 双关语 传递给fit方法定义估计例程的参数 predictions : 数组 p*1，调用gwr predict方法预测未采样点的因变量生成的预测值（）。

方法

ENP （）	有效参数个数
RSS （）	地理加权残差平方和
TSS （）	地理加权平方和
adj_alpha （）	修正α（临界）值，以解释假设测试期间的多重测试。
bse （）	BETA的标准误差
conf_int （）	返回拟合参数的置信区间。
cooksD （）	影响：S矩阵的前导对角线
cov_params \（cov [，exog u scale ]）	返回比例协方差参数
critical_tval \（[字母]）	效用函数，根据假设检验所需的给定α导出临界t值。
filter_tvals \（[关键u t，alpha ]）	效用函数，将绝对值小于alpha（临界）值的绝对值的值设置为0。
influ （）	影响：S矩阵的前导对角线
localR2 （）	局部R方
local_collinearity （）	计算地理加权设计矩阵中多重共线性的几个指标，包括：
pDev （）	当地的越轨率占了很大比例。
sigma2 （）	残差
spatial_variability \（选择器[，n u iters，种子]）	方法计算一个蒙特卡罗试验的空间变异性为每个估计的系数表面。
std_res （）	标准化残差
summary （）	打印GWR摘要
tr_S （）	s（hat）矩阵的迹线
tr_STS （）	STS矩阵的轨迹
tvalues （）	返回给定参数估计的t统计量。
use_t （）	布尔（x）->布尔
y_bar （）	y的加权平均值

D2
R2
adj_D2
adj_pseudoR2
aic
aicc
bic
deviance
df_model
df_resid
initialize
llf
llnull
normalized_cov_params
null
null_deviance
pearson_chi2
predictions
pseudoR2
pvalues
resid_anscombe
resid_deviance
resid_pearson
resid_response
resid_ss
resid_working
scale

__init__(model, params, predy, S, CCT, w=None)[源代码]¶

初始化自身。请参阅帮助（键入（self））以获得准确的签名。

方法

D2 （）
ENP （）	有效参数个数
R2 （）
RSS （）	地理加权残差平方和
TSS （）	地理加权平方和
__init__ \（型号，参数，Predy ，S ，CCT [，W ]）	初始化自身。
adj_D2 （）
adj_alpha （）	修正α（临界）值，以解释假设测试期间的多重测试。
adj_pseudoR2 （）
aic （）
aicc （）
bic （）
bse （）	BETA的标准误差
conf_int （）	返回拟合参数的置信区间。
cooksD （）	影响：S矩阵的前导对角线
cov_params \（cov [，exog u scale ]）	返回比例协方差参数
critical_tval \（[字母]）	效用函数，根据假设检验所需的给定α导出临界t值。
deviance （）
df_model （）
df_resid （）
filter_tvals \（[关键u t，alpha ]）	效用函数，将绝对值小于alpha（临界）值的绝对值的值设置为0。
influ （）	影响：S矩阵的前导对角线
initialize \（型号，参数，**kwd）
llf （）
llnull （）
localR2 （）	局部R方
local_collinearity （）	计算地理加权设计矩阵中多重共线性的几个指标，包括：
normalized_cov_params （）
null （）
null_deviance （）
pDev （）	当地的越轨率占了很大比例。
pearson_chi2 （）
predictions （）
pseudoR2 （）
pvalues （）
resid_anscombe （）
resid_deviance （）
resid_pearson （）
resid_response （）
resid_ss （）
resid_working （）
scale [（比例]）
sigma2 （）	残差
spatial_variability \（选择器[，n u iters，种子]）	方法计算一个蒙特卡罗试验的空间变异性为每个估计的系数表面。
std_res （）	标准化残差
summary （）	打印GWR摘要
tr_S （）	s（hat）矩阵的迹线
tr_STS （）	STS矩阵的轨迹
tvalues （）	返回给定参数估计的t统计量。
use_t （）	布尔（x）->布尔
y_bar （）	y的加权平均值