地理探测器太多人用？还是你不会巧用？

知识点：

空间统计学经典论文《地理探测器：原理与展望》论文引用量已将近3000，多年来凭其原理明晰、操作简便的巨大优势，影响力可见一斑。

处理数据>跑地理探测器模型>得出结果>描述分析，这是地理探测器模型应用的入门程度，相应的成果也只能刊发在普通期刊，对于着急毕业的研究生无可厚非。

如果目标期刊为C刊或SCI，相应的要求肯定不止于此，但是也不是说一定需要复杂的模型或高端的方法，更重要的是研究的科学问题：

高端的食材往往只需简单的烹饪 。

如何巧用地理探测器模型，以下提供三点思路：

1. 时间异质性

2. 尺度效应
   

3. 因子探测与交互探测的差异

• 时间异质性

地理探测器模型有很多优势就不多说了，但也有个局限，那就是结果不具空间异质性，也就是说结果的维度存在局限，那我们可以自己DIY拓展结果的维度，提升研究的饱满程度：既然空间不行，那就挖时间， 多时间节点建模，结果进行时间维度的比较 。

例：

Fig.1

• 尺度效应

地理探测器模型具有结果不稳定性的特性，这当然不是模型的缺点，而是给我们应用者开辟了一个小研究分支，那就是建模尺度效应的探讨（名词解释：基于不同尺度建模的结果差异，可理解为尺度效应）。当应用该模型基于格网的时候，设置多大的格网就是一个问题了，拍脑袋？也不是不可以，只是不够科学。可以尝试的做法：比如先设置100-1000m十套格网，并处理聚合数据，比较十套格网建模的结果差异， 当全部因子平均Q值相对较高，且各因子Q值排序相对稳定，此时的建模格网尺度可视为较优尺度格网。

例：

Fig.2

Fig.3

• 因子探测与交互探测的结果差异

地理探测器模型常用的两个子模型是因子探测器和交互探测器，前者量化各因子对因变量的独立影响力，后者量化每对因子对因变量的共同交互影响力，这是地理探测器模型区别于其他空间统计模型的最大优势。那么既然以上两方面都应用了，何妨再进一步比较两个模型之间的结果差异呢？即比较因子交互时的Q值，与该因子的独立Q值相比提高了多少%？

例：

Fig.4

相关推荐：

1、GB5226.1-2008 机械电气安全

2、GB19517-2009国家电气设备安全技术规范

• 0人已收藏

• 0人已打赏

  免费
• 2人已点赞

• 分享

  复制链接 新浪微博 微信扫一扫