مدل سازی روابط مکانی در آمار فضایی با استفاده از OLS وGWR

درباره دوره

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 ونقشه کردن آن، همچنین پیش بینی صحیح بر پایه مدل ایجاد شده پرداخته می شود.
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 برپایه این عوامل ارائه دهید.

مشخصات محصول:

• قیمت: 207 هزار تومان
• مدرس: محسن شریعتی
• زمان آموزش: 108 دقیقه
• موضوع: مدل سازی روابط مکانی در آمار فضایی با استفاده از OLS وGWR
• نرم افزار: ArcGIS 10.6,Excell
• فرمت: ویدئوهای آموزشی MP4
• فایل تمرینی: دارد
• پیش نیاز : ندارد
• پشنبانی دوره: دارد

معرفی مدرس:

•  مهندس محسن شریعتی

   بنیان گذار ورکشاپ های آموزشی ARCGIS در مرکز پژوهش‌های علمی دانشگاه تهران

  مدرس اولین ورکشاپ رسمی ARCGIS ONLINE در ایران

   استاد GIS دانشگاه علوم پزشکی تهران

  مدرس سنجش از دور و GIS دانشگاه شیراز

   سابقه تدریس GIS در بیش از 10 دانشگاه معتبر کشور

   مشاور و مجری GIS در پروژه های اداری و غیر اداری کشور

   طراحی بیش از 50 دوره آموزشی GIS و RS در آکادمی های معتبر کشور

   انتشار ده ها مقاله معتبر داخلی و خارجی مرتبط با GIS و RS

  کارشناس امور اراضی و املاک

  رتبه برتر دانشگاه و  رتبه 1 کنکور بدون سهمیه

کاربرد محصول:

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.
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 زمان برترین 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.

سرفصل ها:

پارت1
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 ومقایسه 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

پارت ۲
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

پارت 3
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 شاخصGarque- Bera درنوع توزیع فضایی باقیمانده‌ها
استفاده از آزمون خودهمبستگی فضایی در توزیع فضایی باقیمانده‌ها
بررسی دو فاکتور (AIC,R-Squared) جهت اندازه گیری کارایی مدل
مقایسه Adjusted R-Squared با Multiple R-Squared

پارت 4
کاربرد نمودار پراکندگی (Scatter Plot) در بررسی روابط ضرایب متغیر ها
بررسی روابط متغیر ها بین نمودار پراکندگی با نتایج حاصل از تحلیل OLS
ادغام کردن متغیرهای توضیحی در صورتی که یکی از متغیرها دارای VIFبالا باشد

پارت 5
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 وتعداد همسایه ها
مقایسه مدل GWR و OLS
کاربردSymbology در دسته بندی اطلاعات
مقایسه میزان متغیر وابسته واقعی و متغیر وابسته پیش‌بینی شده در ۱۰ سال آینده