⽩话空间统计⼆⼗四：地理加权回归（九）结果解读（⼆）
实际上，除了辅助表以外，GWR还会⽣成⼀份全要素的表。对回归的每⼀个样本都给出相应的信息，今天就来看看这些信息代表了什么内容。
⽣成的新的要素类字段信息如下：
实际上，Coeffcient（系数）和Standard Error Conffcient （标准差系数）会对每⼀个解释变量都给出⼀个值，所以可以看成是两类值，下⾯把各个值的情况和意义做个简单描述：
其中ArcGIS要素类的标准模板字段：OJBECTID、Shape、Shape_Length、Shape_Area 略过。
Obrved F
因变量的观测值，实际上这个值就是直接从原始数据中的因变量字段的值。
Condition Number
条件数：这个数值⽤于此诊断评估局部多重共线性。存在较强局部多重共线性的情况下，结果将变得不稳定。所以这⾥如果出现了⼤于 30 的条件数相关联，那么的结果就可能是不可靠的。
Local R2
局部的R2，与全局R2的意义是⼀样的，范围在 0.0 与 1.0 之间，表⽰局部回归模型与观测所得 y 值的拟合程度。如果值⾮常低，则表⽰局部模型性能不佳。对 Local R2进⾏地图可视化，可以查看哪些位置 GWR 预测较准确和哪些位置不准确。以便为获知可能在回归模型中丢失的重要变量提供相关线索。
从上⾯的可视化结果可以看出，采⽤GWR分析的出来的结果，R2的值相当的⾼。⽽且出现的明显的聚集趋势。
Predicted
对因变量的预测值：这些值是由 GWR 计算所得的估计（或拟合）y 值。这个值⼀般⽤来和因变量进⾏对⽐，越接近，表⽰拟合度越⾼。
Coefficient Intercept
截距：与Y轴的交点，这⾥的截距为负，表⽰观测值⼩于预测值。
Coefficient
各样本的各个⾃变量的系数。GWR的特点就在这⾥，不同于OLS，GWR会给出每个位置每个⾃变量的系数。
Residual
残差，就是观测值与预测值的差。
Standard Error
标准误（注意：（“标准误”是⼀个统计学术语，不算虾神我打错字了。）不是标准差，标准差的英⽂是：standard deviation）：衡量的是我们在⽤样本统计量去推断相应的总体参数（常见如均值、⽅差等）的时候，⼀种估计的精度。
Standard Error Intercept
标准误的截距：标准差与Y轴的交点。
Standard Error Coefficient
各⾃变量系数标准误：参考标准误的解释。在这⾥，这些值⽤于衡量每个系数估计值的可靠性。标准误与实际系数值相⽐较⼩时，这些估计值的可信度会更⾼。较⼤标准误差可能表⽰局部多重共线性存在问题。
Std. Residual
标准化残差：这个值也是ArcGIS进⾏GWR分析之后，给出的默认可视化结果。标准化残差的平均值为零，标准差为 1。在ArcMap 中执⾏ GWR 时，将⾃动将标准化残差渲染为由冷⾊到暖⾊渲染的地图。官⽅说法是，请检查超过2.5倍标准化残差的地⽅，这些地⽅可能是有问题。
到此为⽌，GWR所有的结果解读就介绍完成了。下⼀节开始，介绍GWR的扩展分析。待续未完。
