بررسي تطبيقي رهيافت‌هاي رگرسيون وزني جغرافيايي و حداقل مربعات معمولي در برآورد مدل‌هاي مكاني

The comparative investigation of GWR and OLS methods in estimation of location models

هدف اصلي اين مطالعه بررسي مدل­ هاي فضايي و روش ­هاي متعارف برآورد مدل­ هاي مكاني نظير حداقل مربعات معمولي و رهيافت جديدتر رگرسيون وزني جغرافيايي مي­باشد. براي اين منظور نقاط ضعف و قوت هر دو رهيافت رگرسيون وزني جغرافيايي و حداقل مربعات معمولي با ارائه يك مثال ساده مورد توجه قرار گرفته و بر اساس چارچوب نظري هر دو روش، رهيافت مناسب براي برآورد مدل­ هاي مكاني ارائه شده است. نتايج مقايسه اين دو روش نشان مي­دهد كه روش رگرسيون وزني جغرافيايي در مقايسه با روش­ هاي معمول و متعارف برآورد مدل هاي مكاني به دليل درنظر گرفتن تفاوت‌هاي مكاني، وابستگي و ناهمساني فضايي در بين مشاهدات، نتايج مطلوبتري را ارائه مي ­دهد. علاوه بر اين، معيارهاي خوبي برازش مدل نيز دلالت بر مناسب بودن روش رگرسيون وزني جغرافيايي مي ­باشد.

Using the quantitative tools, methods and techniques in various sciences has been expanded during the recent years. The quantitative methods’ utilization in different branches of Humanities, especially the urban and regional planning have been always faced to various challenges. The reason of generated challenges is the complex nature of the human behaviors. Ordinary least Squares (OLS) is one of the popular methods in spatial model domain. It is supposed, in this method, that there is no spatial anisotropy among the observations and the spatial dependence doesn’t exist among the noise terms. It can be seen, in spatial data, using of the general regression methods such as Ordinary Least Squares (OLS) and will cause the model parameter dispersion. So it is necessary to use some other spatial modelling methods such as Geographically Weighted Regression (GWR). The experimental studies, have been done in this domain, reveal that the spatial regression methods can consider the spatial anisotropy among the observations and the noise terms dependence and will cause the estimations without the swearing and compatible with the parameters of the statistical society.