2
ArcGIS、Python、SPSS / Rを使用して地理的に重み付けされた主成分分析を実行するにはどうすればよいですか?
私は、地理的に重み付けされた主成分分析(GWPCA)を実施するための説明/方法論を求めています。これのどの部分にもPythonを使用してうれしく、地理的に重み付けされた変数でPCAを実行するためにSPSSまたはRが使用されると思います。 私のデータセットは、約550のセンサストラクト(ベクトルジオメトリ)全体で測定される約30の独立変数で構成されています。 これはロードされた質問です。しかし、私が検索して検索すると、そこに解決策はないようです。私が遭遇したのは、GWPCA(およびGWR)の基本的な構成を説明する数式です。私は、生データからGWPCAの結果に到達するために達成する必要がある主要なステップを探しているという意味で、より適用されています。 以下に寄せられたコメントにより、この編集の最初の部分を拡大したいと思います。 ポールに対応するには... 私はGWPCAへの関心を次の論文に基づいています。 ロイド、CD、(2010)。地理的に重み付けされた主成分分析を使用した人口特性の分析:2001年の北アイルランドの事例研究。コンピューター、環境および都市システム、34(5)、p.389-399。 文献にアクセスできない人のために、以下の数学を説明する特定のセクションのスクリーンショットを添付しました。 そして、whuberに対処するには... 詳細(機密性)に進むことなく、30の変数(すべてが非常に良い指標であると思われる)を、固有値が1より大きいコンポーネントのセットに減らすことを試みています。これらのコンポーネントによって説明されるローカル分散を理解するため。 私たちの主な目標は、GWPCAの概念を証明すること、つまり、データの空間的に明示的な性質を示すことであり、すべての独立変数をグローバルスケールで説明できると考えることはできないと思います。むしろ、各コンポーネントが識別するローカルスケール(周辺)は、データの多次元の性質(変数を互いに組み合わせて研究エリアの特定の近傍を説明する方法)を理解するのに役立ちます。 問題のコンポーネントによって説明される近傍の範囲を理解するために(各コンポーネントのローカルな空間性を理解するのを助けるために)各コンポーネントが占める分散の割合を(別々に)マッピングしたいと考えています。おそらく他のマッピング例がいくつかありますが、現時点では思い浮かぶものはありません。 さらに: GWPCAの背後にある数学は、地理分析と社会統計の私のバックグラウンドを考えると、私が理解している以上のものです。数学の適用が最も重要です。つまり、これらの変数/式に何をプラグインするかです。