2
如何使用ArcGIS，Python和SPSS / R进行地理加权主成分分析？
我正在寻求进行地理加权主成分分析（GWPCA）的描述/方法。我很高兴使用Python进行任何此操作，并且我想象SPSS或R用于在地理加权变量上运行PCA。 我的数据集由大约30个独立变量组成，这些变量在整个550个人口普查区域（矢量几何）中进行了测量。 我知道这是一个加载的问题。但是，当我进行搜索时，似乎没有任何解决方案。我遇到的是一些数学方程式，它们解释了GWPCA（和GWR）的基本组成。从某种意义上讲，我所追求的是更多的应用，我正在寻找从原始数据到GWPCA结果所需要完成的主要步骤。 由于下面收到的评论，我想在第一部分对此进行扩展。 为了向保罗讲话... 我基于以下论文对GWPCA感兴趣： 劳埃德，CD，（2010年）。使用地理加权主成分分析法分析人口特征：以2001年北爱尔兰为例。计算机，环境与城市系统，34（5），第389-399页。 对于那些没有文献资料的人，我随附了特定章节的屏幕截图，这些截图解释了以下数学： 为了解决胡言乱语... 在不赘述的情况下（机密性），我们尝试将30个变量（我们认为都是很好的指标）（尽管在全球范围内）减少为特征值大于1的组件集。通过计算地理位置加权分量，我们尝试了解这些组件所解释的局部方差。 我认为我们的主要目标是证明GWPCA的概念，即证明我们数据的空间明确性，并且我们不能认为所有自变量都可以在全球范围内解释。而是，每个组成部分将确定的局部规模（社区）将帮助我们理解数据的多维本质（如何将变量彼此组合以解释研究区域中的某些社区）。 我们希望映射每个组件所占的差异百分比（分别），以了解所讨论组件所解释的邻域范围（帮助我们了解组件的局部空间性）。也许还有其他一些映射示例，但目前还没有想到。 另外： 鉴于我在地理分析和社会统计方面的背景，GWPCA背后的数学超出了我的理解。数学的应用是最重要的，也就是说，我要如何插入这些变量/公式。