@ geoda/ 递归
该套软件提供了分析空间数据的各种空间回归模型的实施情况。 其中包括以下模式:
特征
- OLS 回归
- 空间拉格模型
- 空间错误模型
安装
yarn add @geoda/regression
可用模式
1. 生命线行动倒退
空间数据分析的基本普通最小平方回归.
2. 空间拉格模型
空间回归模型,包含依赖变量的空间依赖性. 该模式包括:
- 空间滞后系数(Rho)
- 最大可能性估计
- 综合诊断包括:
- 异步性测试(Breusch-Pagan)
- 空间依赖性测试(相似率)
- 模型适配统计(R平方,AIC等)
3. 空间出错模型
一个空间回归模型,用于计算错误术语中的空间自相通. 该模式包括:
- 空间出错系数 (Lambda)
- 最大可能性估计
- 综合诊断包括:
- 异步性测试(Breusch-Pagan)
- 空间依赖性测试(相似率)
- 模型适配统计(R平方,AIC等)
使用量
每个模型提供详细的产出,包括:
- 模型系数和标准错误
- 适应性统计模型
- 空间依赖性和异步性诊断测试
- 可变具体统计数据
示例
import { spatialLagRegression } from '@geoda/regression';
const result = await spatialLagRegression({
x: independentVariables,
y: dependentVariable,
weights: spatialWeights,
xNames: ['var1', 'var2'],
yName: 'target',
datasetName: 'myDataset'
});
输出格式
回归结果包括:
- 基本模型信息(数据集名称,观测数据等)
- 模型系数及其意义
- 模型适配统计(R平方,AIC等)
- 空间效应诊断测试
- 具体变量的详细统计数据
关于每个模型的更详细资料,请参见: 空间回归文件。 。 。 .