• 大小: 65KB
    文件类型: .rar
    金币: 2
    下载: 7 次
    发布日期: 2021-06-18
  • 语言: Matlab
  • 标签: GTWR  matlab程序  

资源简介

能够实现GTWR模型的系数求解,非平稳性检验。通过matlab编程,导入工具箱实现。

资源截图

代码片段和文件信息

function result = gwr_st(yxeastnorthtinfo);
% PURPOSE: compute spatial and temporal geographically weighted regression
%----------------------------------------------------
% USAGE: results = gwr_st(yxeastnorthinfo)
% where:   y = dependent variable vector
%          x = explanatory variable matrix
%       east = x-coordinates in space
%      north = y-coordinates in space
%       t= time coordinates
%       info = a structure variable with fields:
%       info.bwidth = scalar bandwidth to use or zero 
%                     for cross-validation estimation (default)
%       info.bmin   = minimum bandwidth to use in CV search
%       info.bmax   = maximum bandwidth to use in CV search
%                     defaults: bmin = 0.1 bmax = 20                                             
%       info.dtype  = ‘gaussian‘    for Gaussian weighting (default)
%                   = ‘exponential‘ for exponential weighting
%                   = ‘tricube‘     for tri-cube weighting
%       info.q      = q-nearest neighbors to use for tri-cube weights
%                     (default: CV estimated)  
%       info.qmin   = minimum # of neighbors to use in CV search
%       info.qmax   = maximum # of neighbors to use in CV search
%                     defaults: qmin = nvar+2 qmax = 4*nvar     
% ---------------------------------------------------
% RETURNS: a results structure
%        results.meth  = ‘gwr_st‘
%        results.beta  = bhat matrix    (nobs x nvar)
%        results.tstat = t-stats matrix (nobs x nvar)
%        results.yhat  = yhat
%        results.resid = residuals
%        results.sige  = e‘e/(n-dof) (nobs x 1)
%        results.nobs  = nobs
%        results.nvar  = nvars
%        results.bwidth  = bandwidth if gaussian or exponential
%        results.q       = q nearest neighbors if tri-cube
%        results.dtype   = input string for Gaussian exponential weights
%        results.iter    = # of simplex iterations for cv
%        results.north = north (y-coordinates)
%        results.east  = east  (x-coordinates)
%        results.y     = y data vector
%---------------------------------------------------
% See also: prtplt prt_gwr plt_gwr to print and plot results
%---------------------------------------------------
% References: Brunsdon Fotheringham Charlton (1996)
% Geographical Analysis pp. 281-298
%---------------------------------------------------
% NOTES: uses auxiliary function scoref for cross-validation
%---------------------------------------------------
% written by: James P. LeSage 2/98
% University of Toledo
%---------------------------------------------------
% revised by: Bo Huang 9/2008
% The Chinese University of Hong Kong
% References: Huang Bo (2010) Geographically and Temporally Weighted Regression for Spatiotemporal modeling of House Prices.
% International Journal of Geographical Information Science pp. 383-401.
%---------------------------------------------------
if nargin == 6 % user options
 if ~isstruct(info

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      34846  2010-06-28 16:04  GWRST_Package\example_data.mat

     文件      24269  2010-06-28 16:08  GWRST_Package\example_data_shenzhen.mat

     文件       3086  2010-06-28 16:16  GWRST_Package\gwr_st.m

     文件       1758  2010-06-17 13:51  GWRST_Package\gwr_st.p

     文件        388  2010-06-28 16:18  GWRST_Package\help.txt

     文件        855  2004-10-18 10:54  GWRST_Package\invpd.m

     文件       1103  2001-03-28 00:58  GWRST_Package\matmul.m

     文件        605  2010-06-14 16:22  GWRST_Package\ols.p

     文件       1917  2005-03-13 10:55  GWRST_Package\scoref.m

     文件        438  2010-06-14 16:17  GWRST_Package\scoref_t.p

     文件       1003  2000-06-06 12:54  GWRST_Package\stdn_pdf.m

     目录          0  2011-07-11 11:01  GWRST_Package

----------- ---------  ---------- -----  ----

                70268                    12


评论

共有 条评论