الانحدار المرجح جغرافيًا

ملاحظة:‏

هذه الوظيفة مدعومة حاليًا فقط في Map Viewer Classic (المعروف سابقًا باسم Map Viewer). ستكون متاحة في إصدار مستقبلي من Map Viewer الجديد.

تنفذ الانحدار المرجح جغرافيًا (GWR)، وهو شكل من أشكال الانحدار الخطي المحلي المستخدم لنمذجة العلاقات المختلفة مكانيًا.

مخطط سير العمل

التحليل باستخدام GeoAnalytics Tools

يتم تشغيل التحليل باستخدام GeoAnalytics Tools باستخدام المعالجة الموزعة عبر عدة أجهزة ArcGIS GeoAnalytics Server وأنوية. GeoAnalytics Tools وأدوات تحليل المعالم القياسية في ArcGIS Enterprise لديها معلمات وقدرات مختلفة. لمعرفة المزيد عن هذه الاختلافات، راجع موضوع اختلافات أداة تحليل المعالم.

أمثلة

فيما يلي أمثلة لاستخدامات الأداة:

• هل العلاقة بين التحصيل العلمي والدخل ثابتة في جميع أنحاء مجال الدراسة؟
• ما هي المتغيرات الرئيسية التي تفسر ارتفاع وتيرة حرائق الغابات؟
• أين هي المناطق التي يحقق فيها الأطفال درجات عالية في الاختبار؟ ما هي الخصائص التي تبدو أنها مرتبطة؟ أين هي كل سمة الأكثر أهمية؟

ملاحظات الاستخدام

تنفذ هذه الأداة الانحدار المرجح جغرافيًا، وهو شكل من أشكال الانحدار المحلي المستخدم لنمذجة العلاقات المختلفة مكانيًا. توفر أداة GWR نموذجًا محليًا للمتغير أو العملية التي تحاول فهمها أو التنبؤ بها من خلال ملاءمة معادلة الانحدار لكل معلم في مجموعة البيانات. تقوم أداة الانحدار المرجح جغرافيًا (GWR) ببناء هذه المعادلات المنفصلة من خلال دمج المتغيرات التابعة والتفسيرية للمعالم داخل الجوار لكل معلم هدف. يعتمد شكل ومدى كل حي يتم تحليله على إدخال المعلمة اختيار كيفية تحديد الجوار.

تُنتج أداة الانحدار المرجح جغرافيًا (GWR) أيضًا معالم ناتجة وتشخيصات. يتم إضافة طبقات معالم الناتج تلقائيًا إلى الخريطة مع تطبيق مخطط عرضي على القيم المتبقية للنموذج. ويتوفر شرح كامل لكل إخراج أدناه.

من الممارسات الشائعة استكشاف بياناتك عالميًا باستخدام أداة الانحدار الخطي المعمم قبل استكشاف بياناتك محليًا باستخدام أداة GWR.

يجب أن تكون معلمات اختيار حقل لنمذجته و اختيار الحقول التوضيحية حقولًا رقمية تحتوي على مجموعة متنوعة من القيم. يجب أن يكون هناك اختلاف في هذه القيم عالمياً ومحلياً. لهذا السبب، لا تستخدم المتغيرات التوضيحية "الوهمية" لتمثيل الأنظمة المكانية المختلفة في نموذج GWR الخاص بك (مثل تعيين قيمة 1 لرقع التعداد خارج النواة الحضرية، في حين يتم تعيين قيمة 0 للباقين). نظرًا لأن أداة GWR تسمح بتغير معاملات المتغير التوضيحي، فإن هذه المتغيرات التوضيحية للنظام المكاني غير ضرورية، وإذا تم تضمينها، فسوف تسبب مشاكل مع ارتباط المتغيرات المستقلة ضمن معادل ‏انحدار معينة محليًا.

في نماذج الانحدار العالمية، مثل الانحدار الخطي المعمم، تكون النتائج غير موثوق بها عندما يُظهر متغيران أو أكثر ارتباط المتغيرات المستقلة ضمن معادل ‏انحدار معينة (عندما يكون هناك متغيران أو أكثر متكرران أو يرويان نفس القصة معًا). تقوم أداة GWR بإنشاء معادلة انحدار محلية لكل معلم في مجموعة البيانات. عندما تكون القيم الخاصة بمتغير توضيحي معين مجمعة مكانيًا، فمن المحتمل أن تكون هناك مشاكل في ارتباط المتغيرات المستقلة ضمن معادل ‏انحدار معينة محليًا. يشير حقل رقم الحالة (COND_ADG) في فئة المعالم الناتجة إلى الوقت الذي تكون فيه النتائج غير مستقرة بسبب ارتباط المتغيرات المستقلة ضمن معادل ‏انحدار معينة محليًا. كقاعدة عامة، كن متشككًا في نتائج المعالم ذات رقم الحالة الأكبر من 30؛ أو يساوي قيمة فارغة؛ أو، بالنسبة لملفات الأشكال، يساوي -1.7976931348623158e + 308.

توخ الحذر عند تضمين البيانات الاسمية أو الفئوية في نموذج GWR. عندما تتجمع الفئات مكانيًا، هناك احتمال قوي لخطر مواجهة مشكلات ارتباط المتغيرات المستقلة ضمن معادل ‏انحدار معينة محليًا. يشير رقم الحالة المتضمن في مخرجات GWR إلى أن العلاقة الخطية المحلية تمثل مشكلة (رقم الحالة أقل من الصفر، أو أكبر من 30، أو مضبوط على قيمة فارغة). النتائج في وجود ارتباط المتغيرات المستقلة ضمن معادل ‏انحدار معينة تكون غير مستقرة.

يتم تحديد نموذج الانحدار بشكل غير صحيح إذا كان يفتقد لمتغير توضيحي رئيسي. الارتباط التلقائي المكاني ذي الدلالة الإحصائية لبقايا الانحدار أو الاختلاف المكاني غير المتوقع بين معاملات متغير واحد أو أكثر من المتغيرات التوضيحية يشير إلى أن النموذج الخاص بك تم تحديده بشكل غير صحيح. يجب عليك بذل كل جهد ممكن (من خلال التحليل المتبقي للانحدار الخطي المعمم (GLR) وتحليل التباين لمعامل الانحدار المرجح جغرافيًا (GWR)، على سبيل المثال) لاكتشاف ما هي هذه المتغيرات الرئيسية المفقودة حتى يمكن تضمينها في النموذج.

اسأل دائمًا عما إذا كان من المنطقي أن يكون المتغير التوضيحي غير ثابت. على سبيل المثال، لنفترض أنك تقوم بنمذجة كثافة فصائل نباتية معينة كدالة للعديد من المتغيرات بما في ذلك ASPECT. إذا وجدت أن معامل متغير ASPECT يتغير عبر منطقة الدراسة، فمن المحتمل أن ترى دليلاً على وجود متغير توضيحي رئيسي مفقود (ربما انتشار النباتات المتنافسة، على سبيل المثال). يجب عليك بذل كل جهد ممكن لتضمين جميع المتغيرات التوضيحية الرئيسية في نموذج الانحدار الخاص بك.

مشكلات تصميم النموذج البالغة، أو الأخطاء التي تشير إلى أن المعادلات المحلية لا تتضمن عددًا كافيًا من الجيران، غالبًا ما تشير إلى وجود مشكلة في التعدد الخطي العالمي أو المحلي. لتحديد مكان المشكلة، قم بتشغيل نموذج عام باستخدام الانحدار الخطي المعمم وافحص قيمة VIF لكل متغير توضيحي. إذا كانت بعض قيم VIF كبيرة (أكبر من 7.5، على سبيل المثال) ، فإن التعدد الخطي العالمي يمنع GWR من الحل. ومع ذلك، من المرجح أن يكون التعدد الخطي المحلي هو المشكلة. حاول إنشاء خريطة موضوعية لكل متغير توضيحي. إذا كانت الخريطة تكشف عن التجمع المكاني لقيم متطابقة، ففكر في إزالة هذه المتغيرات من النموذج أو دمج هذه المتغيرات مع المتغيرات التوضيحية الأخرى من أجل زيادة تغير القيمة. على سبيل المثال، إذا كنت تعمل على نمذجة قيم منزل ولديك متغيرات لغرف النوم والحمامات، فقد ترغب في دمجها لزيادة تغير القيمة، أو لتمثيلهما على هيئة صورة مربعة للحمام/غرفة النوم. تجنب استخدام المتغيرات الوهمية للنظام المكاني، أو التجميع المكاني للمتغيرات الفئوية أو الاسمية، أو استخدام المتغيرات مع قيم قليلة جدًا عند إنشاء نماذج GWR.

الانحدار المرجح جغرافيًا (GWR) هو نموذج خطي يخضع لنفس المتطلبات التي يخضع لها الانحدار الخطي المعمم. قم بعناية بمراجعة التشخيصات الموضحة في كيف يعمل الانحدار المرجح جغرافيًا لضمان تحديد نموذج GWR الخاص بك بشكل صحيح. يحتوي قسم كيف تسير نماذج الانحدار بشكل سيئ في أساسيات تحليل الانحدار أيضًا على معلومات لضمان دقة النموذج الخاص بك.

يجب أن تكون معلمات المتغير التابع والمتغير التوضيحي حقول رقمية تحتوي على نطاق قيم. تعجز هذه الأداة عن الحل عندما تكون المتغيرات بنفس القيم (إذا كانت جميع القيم لحقل ما 9.0، على سبيل المثال).

سيتم استبعاد الميزات التي تحتوي على قيمة فارغة واحدة أو أكثر أو قيم سلسلة فارغة في حقول التوقع أو التوضيح من الإخراج. عند الحاجة، يمكنك تعديل القيم باستخدام حقل الحساب.

يتعين عليك فحص نقص أو زيادة التوقعات الواضح في مجموعة قيم الانحدار بصريًا لمعرفة إن كانت توفر مفاتيح حول المتغيرات المفقودة المحتملة من نموذج التراجع.

عندما يكون التقاطع والمعامِلات المقدرة والقيم المتوقعة والمخلفات وأرقام الحالة فارغة، من المحتمل أن يكون النموذج غير ملائم. يمكن وجود هذا لمعلم واحد أو أكثر في النموذج ويمكن أن يكون ناتجًا عن الأسباب التالية:

• لا يوجد عدد كاف من الجيران. المعالم التي تحتوي على أقل من جارين لن تحتوي على ملاءمة النموذج.
• التعدد الخطي في النموذج.

في الحالات المذكورة أعلاه، يجب تقييم النموذج من خلال فحص تشخيصات المخرجات ومن المحتمل أن يتم تجديدها باستخدام معلمات ومعاملات مختلفة.

المخرجات

تُنتج أداة الانحدار المرجح جغرافيًا مجموعة متنوعة من المخرجات. يتوفر ملخص نموذج GWR وملخصات إحصائية على صفحة عنصر البوابة الإلكترونية وكمورد على الطبقة. للوصول إلى ملخص النتائج، انقر فوق عرض النتائج أسفل الطبقة الناتجة في Map Viewer Classic. تقوم الأداة بإنشاء طبقة ناتجة واحدة. يتم إضافة المعالم الناتجة تلقائيًا إلى Map Viewer Classic مع تطبيق مخطط عرضي فعال وغير فعال على القيم المتبقية للنموذج. يتم إنشاء التشخيصات بناءً على نوع نموذج معالم الإدخال والموضحة أدناه.

مستمر (غاوسي)

تفسير التشخيصات والرسائل

• AICc—يطبق AICc تصحيح انحراف على AIC لأحجام عينية صغيرة. سيقترب AICc من AIC كلما ازداد عدد المعالم في الإدخال.
• الجزر التربيعي R—الجزر التربيعي R هو مقياس لكفاءة المطابقة. تتنوع قيمته ما بين 0.0 إلى 1.0، مع تفضيل القيم العالية: يمكن تفسيره بأنه نسبة تباين المتغير التابع التي تم احتسابها من قبل نموذج التراجع. مقام حساب الجزر التربيعي R هو مجموع قيم المتغير التابع التربيعي. إضافة متغيرات توضيحية إضافية إلى النموذج لا يغير المقام لكنه يغير البسط؛ ويعطي ذلك انطباع التحسين في ملائمة النموذج الذي قد لا يكون حقيقيًا. راجع الجزر التربيعي R المعدل أدناه.

قيود

يتضمن تنفيذ GeoAnalytics للانحدار المرجح جغرافيًا على القيود التالية:

• لا يمكنك التنبؤ بطبقة أخرى أو إنشاء طبقات معامل نقطية.
• لا يمكنك وضع نموذج لمتغير ثنائي (لوجستي) أو متغير العدد (قيمة بواسون).
• لا يمكنك تحديد بحث الحي باستخدام البحث الذهبي أو الفواصل اليدوية.

مثال لـ ArcGIS API for Python

تتوفر أداة الانحدار الجغرافي من خلال ArcGIS API for Python.

يعثر هذا المثال على علاقات المبيعات من المتاجر في جميع أنحاء البلاد.

# Import the required ArcGIS API for Python modules
import arcgis
from arcgis.gis import GIS

# Connect to your ArcGIS Enterprise portal and confirm that GeoAnalytics is supported
portal = GIS("https://myportal.domain.com/portal", "gis_publisher", "my_password")
if not portal.geoanalytics.is_supported():
    print("Quitting, GeoAnalytics is not supported")
    exit(1)   

# Search for and list the big data file shares in your portal
search_result = portal.content.search("", "Big Data File Share")

# Look through the search results for the big data file share of interest
bdfs_search = next(x for x in search_result if x.title == "bigDataFileShares_SalesData")

# Look through the big data file share for 2018 sales
sales_2018 = next(x for x in bdfs_search.layers if x.properties.name == "2018_Sales")

# Run the GWR tool
gwr_result = arcgis.geoanalytics.analyze_patterns.gwr(input_layer = sales_2018, 
    explanatory_variables = "population, customers",
    dependent_variable = "total_sales"
    model_type = "Continuous",
    neighborhood_type = "NumberOfNeighbors",
    neighborhood_selection_method = "UserDefined",
    number_of_neighbors = "100",
    local_weighting_scheme = "BiSquare",
    output_trained_name = "GWR_results")

# Visualize the results if you are running Python in a Jupyter Notebook
processed_map = portal.map()
processed_map.add_layer(gwr_result)
processed_map

أدوات مشابهة

استخدم أداة الانحدار المرجح جغرافيًا ArcGIS GeoAnalytics Server لصياغة العلاقات المتغيرة مكانيًا. قد تكون الأدوات الأخرى مفيدة في حل الأدوات المشابهة لكن المشاكل تختلف قليلاً.

أدوات تحليل Map Viewer Classic

قم بإنشاء النماذج والتوقعات الخطية المعممة باستخدام أداة الانحدار الخطي المعمم ArcGIS GeoAnalytics Server.

قم بإنشاء نماذج وتوقعات باستخدام أداة التصنيف والتراجع على أساس الغابة ArcGIS GeoAnalytics Server.

أدوات تحليل ArcGIS Pro

لتشغيل هذه الأداة من ArcGIS Pro، يجب أن تكون البوابة الإلكترونية النشطة Enterprise الإصدار 10.8 أو أحدث. يجب عليك تسجيل الدخول باستخدام حساب يتمتع بامتيازات تنفيذ تحليل معالم GeoAnalytics.

قم بتنفيذ عمليات انحدار مشابهة في ArcGIS Pro باستخدام أداة المعالجة الجغرافية الانحدار المرجح جغرافيًا كجزء من مربع أدوات الإحصائيات المكانية.

قم بإنشاء نماذج وتوقعات باستخدام تكيف خوارزمية غابات ليو بريمان العشوائية في ArcGIS Pro باستخدام أداة التصنيف والتراجع على أساس الغابة للمعالجة الجغرافية كجزء من مربع أدوات الإحصائيات المكانية.