论文部分内容阅读
线性回归模型主要适用于因变量为连续型随机变量的情形;GLM可以处理因变量为离散型和连续型的随机变量;GWR方法假定回归系数是观测点地理位置的函数,解决了空间研究对象的空间非平稳性问题.所以对于经典的GLM而言,GWGLM能探测到包括离散型变量在内的空间变量在空间分布上的非平稳性,可以更深入了解空间研究对象的空间异质性的结构和影响因素.由于边界效应的存在会使得系数函数在边界区域的估计失真,从而导致不真实的分析结果,且局部多项式拟合方法具有自动更正边界效应的优点,所以本文借鉴局部线性GWR方法,将GWGLM中的系数函数局部展开为空间地理位置坐标的线性函数,称之为局部线性地理加权广义线性模型.并对泊松回归模型进行具体的分析,称为局部线性地理加权泊松回归模型.通过数值模拟试验考察其精确性,通过绘制曲面图、计算偏差平方的平均值与地理加权泊松回归模型的相应结果进行比较,以说明局部线性地理加权泊松回归模型模型在减小回归系数函数估计的边界效应和偏差方面的优良性.并将这两种模型同时用于实证分析2012年全国31个省的宏观因素,包括经济水平、交通、社会保障、卫生水平,对艾滋病发病数影响的空间变化特征,通过拟合优度检验进一步说明局部线性地理加权泊松回归模型优于地理加权泊松回归模型.因为空间数据具有空间相关性和空间异质性,只有同时考虑这两种性质才能更好地表示数据的空间关系.但是对于具有空间依赖性的离散型空间数据,变系数广义线性模型并不能进行很好的分析.所以本文将数据的空间自回归过程引入到变系数广义线性模型中,提出广义空间变系数自回归模型,用来处理包括离散型在内的具有空间依赖性和空间异质性的空间数据的问题.并针对泊松回归模型进行具体的描述及分析,称为空间变系数泊松自回归模型.同样通过数值模拟试验考察空间变系数泊松自回归模型的精确性.同时将这两种模型应用于上述实证分析,通过拟合优度检验说明空间变系数泊松自回归模型更适用于此类空间数据的分析.