r.regressie.multigrass - Online in de cloud

PROGRAMMA:

NAAM

r.regressie.multi - Berekent meerdere lineaire regressies op basis van rasterkaarten.

TREFWOORDEN

raster, statistieken, regressie

KORTE INHOUD

r.regressie.multi
r.regressie.multi --help
r.regressie.multi [-g] kaartx=naam[,naam,...] mapy=naam [residuen=naam]
[schattingen=naam] [uitvoer=naam] [--beschrijven] [--uw] [--breedsprakig] [--rustige] [--ui]

vlaggen:
-g
Afdrukken in shell-scriptstijl

--overschrijven
Toestaan ​​dat uitvoerbestanden bestaande bestanden overschrijven

--help
Gebruiksoverzicht afdrukken

--uitgebreid
Uitgebreide module-uitgang

--stil
Stille module-uitgang

--ui
Geforceerd starten van GUI-dialoogvenster

parameters:
kaartx=naam naam,...] [verplicht]
Kaart voor x-coëfficiënt

mapy=naam [verplicht]
Kaart voor y-coëfficiënt

residuen=naam
Kaart om reststoffen op te slaan

schattingen=naam
Kaart om schattingen op te slaan

uitvoer=naam
ASCII-bestand voor het opslaan van regressiecoëfficiënten (uitvoer naar scherm als bestand niet
opgegeven).

PRODUCTBESCHRIJVING

r.regressie.multi berekent een meervoudige lineaire regressie op basis van rasterkaarten, volgens
de Formule
Y = b0 + som(bi*Xi) + E
met de meeste
X = {X1, X2, ..., Xm}
m = aantal verklarende variabelen
Y = {y1, y2, ..., yn}
Xi = {xi1, xi2, ..., xin}
E = {e1, e2, ..., nl}
n = aantal waarnemingen (gevallen)
In R-notatie:
Y ~ som(bi*Xi)
b0 is het snijpunt, X0 is ingesteld op 1

r.regressie.multi is ontworpen voor grote datasets die niet in R kunnen worden verwerkt. A p
Er wordt dus geen waarde geboden, omdat zelfs zeer kleine, betekenisloze effecten zullen ontstaan
significant met een groot aantal cellen. In plaats daarvan wordt aanbevolen om te oordelen naar de
schatter b, de hoeveelheid verklaarde variantie (R kwadraat voor een gegeven variabele) en de
winst in AIC (AIC zonder een bepaalde variabele minus AIC globaal moet positief zijn) of de
Het opnemen van een bepaalde verklarende variabele in het model is gerechtvaardigd.

Ocuco's Medewerkers globaal model
Ocuco's Medewerkers b coëfficiënten (b0 is offset), R kwadraat of determinatiecoëfficiënt (Rsq) en F
zijn identiek aan degene die zijn verkregen uit de lm()-functie van R-stats en de anova() van R-stats
functie. De AIC-waarde is identiek aan die verkregen uit de stepAIC()-functie van R-stats
(in het geval van achteruit stappen, identiek aan de Startwaarde). De AIC-waarde waarvoor gecorrigeerd is
het aantal verklarende variabelen en de BIC-waarde (Bayesian Information Criterion).
volg de logica van AIC.

Ocuco's Medewerkers uitleggen variabelen
R kwadraat voor elke verklarende variabele vertegenwoordigt de extra hoeveelheid uitgelegd
variantie bij het opnemen van deze variabele vergeleken met het uitsluiten van deze variabele, dat wil zeggen:
deze hoeveelheid variantie wordt verklaard door de huidige verklarende variabele nadat deze in aanmerking is genomen
rekening houden met alle andere verklarende variabelen.

De F-score voor elke verklarende variabele maakt het mogelijk om te testen of deze variabele wordt opgenomen
vergroot de verklarende kracht van het model aanzienlijk ten opzichte van het mondiale model
exclusief deze verklarende variabele. Dat betekent dat de F-waarde voor een gegeven uitlegt
variabele is alleen identiek aan de F-waarde van de R-functie samenvatting.aov als het gegeven is
verklarende variabele is de laatste variabele in de R-formule. Terwijl R achtereenvolgens omvat
de ene variabele na de andere in de volgorde gespecificeerd door de formule en bij elke stap
berekent de F-waarde die de winst uitdrukt door daarnaast de huidige variabele op te nemen
op de vorige variabelen, r.regressie.multi berekent de F-waarde die de versterking uitdrukt
door de huidige variabele op te nemen naast alle andere variabelen, niet alleen de
eerdere variabelen.

De AIC-waarde is identiek aan de waarde die wordt verkregen uit de R-functie stepAIC() wanneer
door deze variabele uit te sluiten van het volledige model. De AIC-waarde gecorrigeerd voor het aantal
verklarende variabelen en de BIC-waarde (Bayesian Information Criterion) volgen de
logica van AIC. BIC is identiek aan de R-functie stepAIC met k = log(n). AICc is dat niet
beschikbaar via de R-functie stepAIC.

VOORBEELD

Meervoudige regressie met K-factor van de bodem en hoogte, aspect en helling (North Carolina
gegevensset). Outputkaarten zijn de residuen en schattingen:
g.regio raster=soils_Kfactor -p
r.regressie.multi mapx=hoogte, aspect, helling mapy=bodem_Kfactor \
residuen=bodem_Kfactor.resid schattingen=bodem_Kfactor.estim

Gebruik r.regressie.multigrass online met behulp van onworks.net-services