مدل سازی روابط مکانی در آمار فضایی با استفاده از OLS و GWR – آپدیت شده

1,111 بازدید

اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.

آموزش رایگان نرم افزار ENVI

در ENVI حرفه ای شو 🦾

0 تا 100 مفاهیم سنجش از دور

کاملا رایگان شروع کن 🧩

آموزش رایگان ArcGIS pro

واقعاااااا رایگاااااانه 🤗

آموزش گوگل ارث انجین

شدیدا توصیه شده 🌏

دانلود لندیوز 10 متری ایران و …

به کمک گوگل ارث انجین 🚀

کتاب موتور پردازش مجازی

اولین کتاب آموزش گوگل ارث انجین 📗

طبقه بندی تصاویر ماهواره ای

آشنایی با انواع روش ها 😲

پیش پردازش تصاویر ماهواره ای

هندسی – رادیومتریکی – اتمسفری 🀄

دانلود داده های آلتیمتری

ترازسنجی برای دریاچه ها 🧿

پوشش اراضی 10 متری

تولید شده توسط ESRI 🧐

نمایش سه بعدی در ArcGIS

مدل رقومی ارتفاع 🗻

مطالب پربازدید

از میان روشهای مختلف خطی برای برآورد پارامترهای مدل، روش Ordinary Least Squares یا همان حداقل مربعات معمولی به خاطر خواص مطلوبی (البته هنگامی که فروض این روش برقرار باشند) که دارد به عنوان پرکاربردترین و غالب ترین روش شناخته شده است. در آمار، حداقل مربعات معمولی یا کمینه مربعات معمولی روشی است برای برآورد پارامترهای مجهول در مدل رگرسیون خطی از…

از میان روشهای مختلف خطی برای برآورد پارامترهای مدل، روش Ordinary Least Squares یا همان حداقل مربعات معمولی به خاطر خواص مطلوبی (البته هنگامی که فروض این روش برقرار باشند) که دارد به عنوان پرکاربردترین و غالب ترین روش شناخته شده است. در آمار، حداقل مربعات معمولی یا کمینه مربعات معمولی روشی است برای برآورد پارامترهای مجهول در مدل رگرسیون خطی از طریق کمینه کردن اختلاف بین متغیرهای جواب مشاهده شده در مجموعه داده است.

در این آموزش به کاربرد رگرسیون وزنی جغرافیایی یا Geographically Weighted Regression در بررسی روابط مکانی بین داده ها و پیداکردن مهمترین عامل تاثیرگذار (به صورت محلی) برروی متغیر وابسته و نقشه کردن آن، همچنین پیش بینی صحیح بر پایه مدل ایجاد شده پرداخته می شود.

 این روش ها در بسیاری علوم از جمله: علوم پزشکی، بهداشت، کشاورزی، منابع طبیعی، محیط زیست، جغرافیا، شهرسازی، برنامه ریزی شهری، علوم زمین، علوم اجتماعی، اقتصاد، علوم سیاسی و مهندسی برق و… کاربرد دارند.

 بررسی مهمترین عوامل تاثیر گذار بر روی متغیر وابسته در نگاه سطحی ساده به نظر می رسد اما یکی از سخت ترین و مهمترین مراحل مدل سازی رگرسیون است. در این آموزش به کاربرد رگرسیون حداقل مربعات معمولی یا Ordinary least Squares در تجزیه و تحلیل روابط مکانی بین داده ها و الگوهای مکانی عوامل مستقل پرداخته شده است. رگرسیون حداقل مربعات معمولی یک روش رگرسیون عمومی یا Global می باشد

رگرسیون وزنی جغرافیایی (GWR)، یک روش رگرسیون محلی (Local) و فضایی است که برای مدل سازی روابط متغیر های فضایی استفاده می شود. تحلیل رگرسیون این امکان را به شما می دهد که به مدلسازی، بررسی و اکتشاف روابط مکانی بین داده ها بپردازید تا الگوهای مکانی عوامل مشاهده شده (متغیرهای مستقل) را بهتر درک کنید و پیش بینی صحیحی را بر پایه این عوامل ارائه دهید.

گاهی اوقات در زندگی روزمره با حادثه ها یا اتفاقاتی رو به رو می شویم که ما را کنجکاو می کند تا عواملی که در بروز این اتفاقات دخیل هستند را جستجو کنیم، چراکه شاید این اتفاقات در آینده هم بروز کند. برای مثال این حادثه می تواند بروز سیل، آتش سوزی، زلزله، تورم، افزایش جرایم، افزایش نرخ فقر، افزایش میزان تماس های اضطراری به مراکز اورژانس، کاهش نرخ تولد، افزایش آفات کشاورزی، فرونشست و کاهش منابع آب های زیر زمینی و شیوع یک بیماری و غیره باشد.

قطعاً در بروز هر کدام از این موارد عواملی دخیل خواهد بود که خسارات ناشی از آن ها را چندین برابر خواهد کرد. شاید انتخاب این عوامل در ظاهر ساده به نظر برسد، اما این طور نیست و یکی از سخت ترین و زمانبرترین مراحل در هر مطالعه ای است. ما با استفاده از این تحلیل ها به راحتی می‌توانیم عوامل موثر در بروز هر حادثه (انسانی یا طبیعی) را پیدا کرده و برای آن یک برنامه ریزی میان مدت و طولانی مدت داشته باشیم، که خود باعث صرفه جویی در هزینه های مالی و زمانی خواهد شد.

شما علاوه بر انجام پروژه های علمی خود می توانید در زندگی و محل کار نیز از این تحلیل ها استفاده کرده و از نقشه های تهیه شده از آن نهایت استفاده را ببرید.


توجه:

این اموزش نسخه کاملتر و باز تولید شده دو آموزش قبلی OLS و GWR است که صورت کامل تر و با توضیحات بیشتر باز تولید شده است


مشخصات محصول آموزشی

  • مدرس: محسن شریعتی
  • زمان آموزش: ۱۰۸ دقیقه
  • موضوع: مدل سازی روابط مکانی در آمار فضایی با استفاده از OLS و GWR
  • نرم افزار: ArcGIS 10.6 ,Excel
  • فرمت: ویدئوهای آموزشی MP4
  • فایل تمرینی: دارد

بخشی از آموزش:


عناوین آموزشی

عناوین آموزشی شامل موارد زیر می باشد:

جلسه اول:

مبانی نظری تحلیل رگرسیون مربعات معمولی (OLS) و رگرسیون وزنی جغرافیایی(GWR)

کاربرد رگرسیون مربعات معمولی و رگرسیون وزنی جغرافیایی در بررسی روابط فضایی بین داده ها

بررسی معادله رگرسیون حاصل از تحلیل OLS و مقایسه آن با GWR

بررسی ضرایب متغیرهای توضیحی

بررسی و مقایسه  متغیر وابسته ی واقعی و متغیر وابسته پیش بینی شده توسط مدل

متصل کردن اطلاعات متغیرها به جی آی اس

بررسی اجمالی اطلاعات توصیفی لایه مطالعه

انتخاب کردن عارضه ها قبل از تحلیل

نحوه ذخیره کردن اطلاعات توصیفی GIS در اکسل

کاربرد ابزار (Connect to folder) برای یافتن فایل هدف

بررسی روابط بین متغیرهای مستقل و متغیر وابسته

جلسه دوم:

اهمیت تحلیل OLS در جی آی اس

انتخاب مسیر لایه های خروجی از تحلیل ها

کاربرد تحلیل حداقل مربعات در بررسی روابط بین متغیرها

تحلیل خلاصه نتایج حاصل از مدل سازی

جلسه سوم:

تحلیل هفت فاکتور مهم برای ایجاد مدل

بررسی نوع و میزان ارتباط بین ضرایب متغیرها

بررسی کردن VIF

بررسی معنی دار بودن متغیر ها از نظر آماری

بررسی کردن Koenker Statistics (BP)

بررسی کردن Jarque-Bera

تاثیر شاخص Garque- Bera درنوع توزیع فضایی باقیمانده‌ها

استفاده از آزمون خود همبستگی فضایی در توزیع فضایی باقیمانده‌ها

بررسی دو فاکتور (AIC,R-Squared) جهت اندازه گیری کارایی مدل

مقایسه Adjusted R-Squared  با Multiple R-Squared

جلسه چهارم:

کاربرد نمودار پراکندگی (Scatter Plot) در بررسی روابط ضرایب متغیرها

بررسی روابط متغیر ها بین نمودار پراکندگی با نتایج حاصل از تحلیل OLS

ادغام کردن متغیرهای توضیحی در صورتی که یکی از متغیرها دارای VIF بالا باشد

جلسه پنجم:

ابزار تحلیل رگرسیون وزنی جغرافیایی

بررسی ضرایب متغیرها به تفکیک هر منطقه

پیش بینی متغیر وابسته توسط مدل ایجاد شده در ده سال آینده

بررسی و تحلیل نوع کرنل، روش پهنای باند، فاصله و تعداد همسایه ها

مقایسه مدل GWR و OLS

کاربرد Symbology در دسته بندی اطلاعات

مقایسه میزان متغیر وابسته واقعی و متغیر وابسته پیش‌بینی شده در ۱۰ سال آینده


تهیه آموزش:

به منظور تهیه این محصول آموزشی بر روی دکمه زیر کلیک کنید:


مباحث مرتبط با این آموزش:


نوشته های مرتبط :

آموزش های رایگان پیشنهادی :

46 دیدگاه. ارسال دیدگاه جدید

  • با سلام.
    ببخشید برای مدلسازی از نرم افزارهای متلب و پایتون هم استفاده می شود و هم ازgis؟ یا فقط یکی از اونها رو میشه انتخاب کرد؟

    پاسخ
  • محسن شریعتی
    1399-04-06 12:00 ق.ظ

    عرض سلام و وقت بخیر
    در مورد نرم افزار های متلب یا پایتون اطلاعات چندانی ندارم اما در این آموزش از نرم افزار جی آی اس برای مدل سازی استفاده شده است
    با احترام

    پاسخ
  • با سلام و احترام
    ببخشید مدل سازی فضایی عامل محور رو کار کردین؟
    اگر ویدیو آموزشی در مورد مدلسازی فضایی با روش عامل محور دارین ممنون میشم در اختیارمون بزارین تا خریداری شود؟

    پاسخ
    • محسن شریعتی
      1399-08-13 12:01 ق.ظ

      با سلام و احترام
      خیر با این روش آموزشی هنوز تهیه نشده است
      سعی می‌کنیم در آینده نزدیک تهیه کنیم

      پاسخ
  • با سلام خدمت جناب احراری.
    میخاستم بدونم این اموزشتون برای برقراری رابطه رگرسیون جغرافیایی بین متغیرهای مختلف مناسبه؟میخام تو مبحث ریزمقیاس سازی داده های بارشی trmm ازش استفاده کنم؟

    پاسخ
    • با سلام و احترام

      این محصول آموزشی رو بنده تولید نکردم. بی زحمت توضیحات محصول را مطالعه کنید و برای اطلاعات بیشتر از مدرس آن این سوال را بپرسید تا پاسخ دهند.

      موفق باشید

      پاسخ
    • محسن شریعتی
      1399-08-13 12:02 ق.ظ

      سلام و عرض ادب
      بله مناسب است
      موفق باشید

      پاسخ
  • باسلام.
    میخاستم بدونم این آموزشتون برای برقراری رگرسیون جغرافیایی بین سایر پارامترها هم کارایی داره؟یعنی بطور کلی نحوه رگرسیون گیری جغرافیایی رو توضیح داده شده؟

    پاسخ
    • محسن شریعتی
      1399-08-14 11:05 ق.ظ

      با سلام و احترام
      بله حتما
      در این آموزش کامل توضیح داده شده است
      موفق باشید

      پاسخ
  • سلام .من میخام رکگرسیون وزنی جغرافیایی رو برای داده های رستری TRMM وNDVI و DEM یک منطقه انجام بدم.این نقشه ای ک شما تو آموزشتون گذاشتید یک فایل وکتوری هست.برای داد های موردنظر منم قابل اجرا هست؟

    پاسخ
    • محسن شریعتی
      1399-10-14 5:26 ب.ظ

      عرض سلام و ادب
      بله امکان پذیر است
      با استفاده از ابزار های موجود در arcgis می توانید اطلاعات رستری خود را به عنوان داده های توصیفی وارد لایه برداری کنید .
      فقط شما باید یک لایه برداری از قبل آماده هم داشته باشید.
      با احترام

      پاسخ
  • سلام و خسته نباشید خدمت مهندس شریعتی عزیز بنده بسته مدلسازی روابط مکانی شما رو خریداری کردم تنها مشکلی که تو این اموزش دارم اینه که هنوز متوجه نشدم اون لایه ای که ۸۱پلیگون داره بعد ای که داده ها اکسل اضافه میکنیم بهGisایا اون محدوده ساخته میشه یا نه

    پاسخ
    • محسن شریعتی
      1399-10-14 5:30 ب.ظ

      عرض سلام و ادب
      بستگی به ساختار داده شما داره
      اگر داده شما ساخترا نقطه ای داره از توی اکسل با داشتن مختصات میتونید به راحتی در جی آی اس وارد کنید و مختصات داده هندسی شما مشخصه و نیازی به کار دیگری از جمله جوین کردن ندارید
      اما اگر داده شما ساختار پلی گن دارد مثل این آموزش باید اطلاعات را به پلی گن جوین کنید. در ضمن این لایه پلی گنی را شما از قبل در اختیار دارید.
      با احترام

      پاسخ
  • سلام مهندس شریعتی
    معمولا در مدل سازی رگرسیونی برای اینکه مدل براساس الگوریتم و داده آموزشی یاد بگیره تعداد نمونه ها از هر متغیر باید حداقل 5 برابر تعداد کل متغیرها باشد برای مثال در این مثال شما که با 4 متغیر مدل سازی کردید برای متغیر جمعیت یا متغیر شغل باید حداقل 20 نمونه برای هر پلیگون داشته باشیم ولی در جی ای اس فقط برای هر پلیگون و هر متغیر ما یک نمونه وارد می کنیم سوالی که ذهنم را مشغول کرده اخه در جی ای اس چگونه با یک نمونه از هر متغیر میشه مدل سازی کرد اصلا مدل چگونه یاد می گیره؟ در spss چنین چیزی ممکن نیست نمیدونم جی ای اس چگونه با یک نمونه مدلسازی میکنه. توضیح بدید ممنون میشم

    پاسخ
    • محسن شریعتی
      1400-03-04 11:14 ب.ظ

      عرض سلام و ادب
      برای مدلسازی رگرسیون در GIS متغیر مستقل می‌توانند بیش از یک متغیر باشند حال هر متغیر مستقل مثلا جمعیت به ازای هر عارضه مثلا در این جا پلیگن ها یک عدد را نشان می دهد یعنی هر پلیگن یک جمعیت دارد. برای مدلسازی در GIS داشتن همین اطلاعات البته برای متغیر مستقل کافی است

      پاسخ
  • سلام وقت بخیر
    من این آموزش رو خریداری کردم ولی فایل های آموزشی اصلا دانلود نمیشه
    میشه راهنمایی کنین

    پاسخ
  • با سلام وقت بخیر
    عذر میخوام سوال داشتم: من میخوام روش رگرسیون وزنی جعرافیایی با مدل بیلدر انجام بدم که خروجی کار به صورت نقشه باشه،
    یک متغیر وابسته که تولید گیاه و چندین متغیر مستقل مثل متغیرهای اقلیمی، خاکی، و توپوگرافیکی دارم. سوالم این هست که من همه متغیرهای به صورت نقشه رستری هستن، اما مثل اینکه روش GWR, نقشه رستمی قبول نمیکنه، درسته؟
    و اینکه این روش‌ها نیاز به پیش فرض های خاصی دارند؟ ممنون میشم راهنمایی بفرمایید

    پاسخ
    • محسن شریعتی
      1400-07-27 8:20 ق.ظ

      سلام و وقت بخیر
      بله درسته تمامی لایه های رستری باید به داده های توصیفی در جدول توصیفی یک لایه وکتور مبنا وارد شود.
      در مدل بیلدر هم قابل انجام است

      پاسخ
      • ممنونم، این روش‌ها نیاز به پیش فرصهای خاصی از نطر نرمال بودن دارن؟ یعنی متغیر وابسته و مستقل ها حتما باید نرمال باشه؟
        و اینکه من میخوام در آخر یک معادله رگرسیون به من بده اما در جدول خروجی ندیدم. چطوری معادله را بدست بیارم

        پاسخ
  • محسن شریعتی
    1400-07-28 1:01 ب.ظ

    سلام و وقت بخیر
    بله باید باهم همبستگی داشته باشند، متغیر وابسته و متغیر های مستقل.

    متغیر های مستقل نیز نباید با هم همبستگی داشته بباشند مثلا دما و ارتفاع با هم همبستگی دارد.

    بله میتوانید از متغیر هایی که خروجی می گیرید معادله رگرسیون بنویسید

    پاسخ
    • ممنونم از پاسخگویی. من با مدل بیلدر و از گزینه Eeploratory regression استفاده کردم اما در قسمت خروجی report file که مسیر تعیین میکنم و مدل را ران میکنم. ران نمیشه و خطا میده؟. و فقط خروجی table را میده که شامل R2, VIF و… هست اما ضرائب را نمیده که معادله را بنویسم. ممنون میشم علت خطا و ضرایب مدل را بفرمایید.

      پاسخ
  • محسن شریعتی
    1400-07-28 4:54 ب.ظ

    شما باید علاوه بر متغیر های مستقل، متغیر وابسته خود را تعیین کنید.
    در گزارش نهایی ضریب هر یک از متغیر ها وجود دارد.
    میتونید اسکرین شات ارورتون رو به ایمیلم ارسال کنید

    پاسخ
    • بله من متغیر وابسته و متغیرهای مستقل را تعیین میکنم اما در قسمت فایل report اصلا
      ضرایب را نمیده.
      من متغیرهای مستقل که با وابسته همبستگی هم ندارن را وارد کردم، ایراد داره؟ چون فک کنم خود مدل حذفشون میکنه و در تحلیل نهایی نمی‌آورد

      ایمیلتون را لطف میکنید؟

      پاسخ
  • سلام. من میخوام با استفاده از exploratory regression در آرک متغیرهای مهمی که روی روی متغیر وابسته تاثیر دارند را استخراج کنم، یعنی ۱۲ متغیر مستقل دارم که هدفم تعیین مهمترین متغیرهای. وقتی این روش را اجرا میکنم یک فایل report و یک جدول میده
    ۱. من از کدام دو فایل باید استفاده کنم؟
    ۲. اگه سهم هر متغیر را بخوام مشخص کنم چطوریه؟ یعنی میخوام به صورت هیستوگرام از سهم بیشتر به کمتر نشان بدم؟
    خواهشا کسی میتونه راهنمایی کنه؟

    پاسخ
    • محسن شریعتی
      1400-08-08 8:49 ب.ظ

      سلام و احترام
      در آموزش هم جدول و هم فایل report رو توضیح داده ام.
      هر دو لازم است اما برای رتبه بندی و تاثیر گذاری report مهمتر است.
      ضریب متغیر های توضیحی و معنی داری ضریب ها مهم هستند در رتبه بندی

      پاسخ
  • عاطفه سجادیان
    1400-08-12 11:43 ق.ظ

    سلام وقتتون بخیر
    ببخشید من این آموزش رو خریداری کردم، حالا می خوام این روش رو روی داده هام پیاده سازی کنم ولی به مشکل خوردم.
    داده ها نقطه ای هستن که به همراه کلیه اطلاعات توصیفی در یک فایل اکسل به arcGIS وارد شدن، با این که یک فیلد تحت عنوان شماره اشتراک برای هر موقعیت دارم ولی در قسمت Unique ID Field هیچکدوم از فیلدها رو نشون نمیده که انتخاب کنم.
    ولی برای مشخص کردن متغیر مستقل و وابسته تمام فیلد ها رو نشون میده
    ممنون میشم راهنمایی بفرمایید

    پاسخ
  • محسن شریعتی
    1400-08-12 1:33 ب.ظ

    سلام و وقت بخیر
    اگر آن فیلد نمایش داده نمیشه یک فیلد جدید خودتون ایجاد کنید و تمامی اعداد رو توی اون فیلد کپی کنید حتما درست میشه

    پاسخ
    • عاطفه سجادیان
      1400-08-12 6:45 ب.ظ

      ممنون
      اتفاقا این کارو انجام دادم
      حتی ی فیلد جدید ساختم از 0 شروع کردم شماره گذاری ولی کلا هیچ فیلدی رو نشون نمیده
      چندتا فایل امتحان کردم همشون همینجور بودن
      فقط داده های آموزشی شما درست بود

      پاسخ
      • محسن شریعتی
        1400-08-12 11:09 ب.ظ

        اعداد نباید تکراری باشند. یعنی هر عارضه یک عدد
        لطفا دوباره چک کنید اگر درست نشد
        به جیمیلم فایلتون رو بفرستید تا توی سیستمم چک کنم براتون

        پاسخ
  • scientific education
    1400-08-17 6:26 ب.ظ

    سلام داده هایی که استفاده کردین برای چه منطقه و مکانی است؟

    پاسخ
    • محسن شریعتی
      1400-08-20 1:41 ب.ظ

      سلام و وقت بخیر
      داده ها برای یک منطقه در کشور آمریکا است
      داده های شرکت ازری هستند

      پاسخ
  • با سلام. سپاس از جناب آقای شریعتی برای ویدیو بسیار عالی. سوالی خدمتتان داشتم: اگر داده ها نقطه ای باشند، در OLI یا GWR وقتی پیش بینی می شوند باز در سطح نقاط مشاهده می شود. چطور می توان به سطح تعمیم داد (به معنایی درونیابی) و کل منطقه پوشش داده شود؟ سپاس

    پاسخ
    • محسن شریعتی
      1400-12-14 3:16 ب.ظ

      سلام و درود
      ممنون از لطفتون
      بله دقیقا در انتها باید ارزش های پیش‌بینی شده را درون یابی کرد

      پاسخ
      • سپاس فراوان
        یعنی در خود GWR اکستنش خاصی برای درونیابی وجود دارد یا باید با روش IDW و کریجینگ و .‌. این کارو انجام داد ؟

        پاسخ
        • محسن شریعتی
          1400-12-17 2:26 ب.ظ

          خواهش میکنم از روش IDW یا KRIGING هر کدام ک خطای کمتری می‌دهد استفاده کنید

          پاسخ
  • سلام جناب مهندس. ضمن تشکر از مطالب ارزشمند، آیا ابزار خاصی در نرم افزار ArcGIS برای تهیه نقشه های significant متغیرهای مستقل (در واقع نقشه coefficient) جود دارد؟

    پاسخ
  • محسن شریعتی
    1401-02-04 4:18 ب.ظ

    سلام و درود
    در خروجی حاصل از رگرسیون جغرافیایی می‌توان نقشه coefficient را به تفکیک عوارض مطالعه پهنه بندی کرد

    پاسخ
  • سلام جناب مهندس و سپاس از جوابتون
    عذر خواهی میکنم متوجه نشدم چطور می توان نقشه significant را از coefficient جدا کرد؟ نقشه های coefficient را دارم ولی میخوام با نقشه های significant صحت هر فاکتور را بررسی کنم

    پاسخ
  • سلام وقت بخیر
    آیا از این محصول برای برسی رابطه بین دمای سطح و آلودگی هوا میشه استفاده کرد؟ و ایا شما از برای اعمال روش gwr از رندوم پوینت استفاده کردین ؟

    پاسخ
    • سلام و وقت بخیر
      بله قطعا، میشه استفاده کرد. رندوم پوینت خیر!!
      موفق باشید

      پاسخ
  • garmaeeroghayeh@gmail.com
    1402-12-06 9:45 ب.ظ

    سلام وقت شما بخیر
    من این فایل را گرفتم من چند نقشه دارم که بعضی رستر هستند بعضی وکتور، مثلا، شیب، ارتفاع، لکه های جنگلی، جاده و… که میخوام تاثیر اونها روی نقاط جمعیت بررسی کنم، اما تو این فایل آموزشی هیچی توضیح نداده، درواقه مشکل اصلیم آماده سازی داده ها برای مدل هست. اگر امکان داره لطفا راهنمایی کنید

    پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

keyboard_arrow_up