如何在R中针对面状多观测数据运行地理加权逻辑回归？

针对你拥有的个体层面大数据+省份面状边界的场景，地理加权逻辑回归需要先将个体数据聚合到省份层面，再基于区域质心运行模型，以下是具体实现步骤：

1. 个体数据聚合到省份层面 #

GWLR通常针对区域级聚合数据运行，每个省份对应一组统计量：

• 因变量：计算每个省份中EP=1的比例（二分类变量的区域层面表征）
• 自变量：连续变量取均值，分类变量（如Mil）转换为比例（如农村人口占比）

library(dplyr)
library(sf)

# 聚合个体数据到省份维度
df_prov <- df %>%
  group_by(Prov) %>%
  summarise(
    # 因变量：EP=1的比例
    EP_prop = mean(as.numeric(as.character(EP)) == 1, na.rm = TRUE),
    # 连续自变量取均值
    Age_mean = mean(Age, na.rm = TRUE),
    Edu_mean = mean(Edu, na.rm = TRUE),
    Kids_mean = mean(Kids, na.rm = TRUE),
    DSize_mean = mean(DSize, na.rm = TRUE),
    taille_mean = mean(taille, na.rm = TRUE),
    # 分类变量Mil：农村人口占比
    Mil_Rural_prop = mean(Mil == "Rural", na.rm = TRUE)
  ) %>%
  ungroup()

2. 关联面状地理数据并提取区域质心 #

将聚合数据与省份shapefile关联，提取每个省份的质心坐标（作为GWLR的位置参考点）：

# 统一省份名称字段名
map_3 <- map_3 %>% rename(Prov = PROV)

# 关联聚合数据与地理边界
sf_prov <- left_join(map_3, df_prov, by = "Prov") %>%
  # 计算省份质心
  mutate(centroid = st_centroid(geometry)) %>%
  # 提取质心的经纬度坐标
  mutate(
    lon = st_coordinates(centroid)[,1],
    lat = st_coordinates(centroid)[,2]
  )

3. 运行地理加权逻辑回归 #

提供两种常用R包的实现方案：

方案一：使用GWModel包 #

library(GWModel)

# 提取质心坐标矩阵
coords <- sf_prov %>% select(lon, lat) %>% as.matrix()

# 生成球面距离矩阵（适用于大区域数据）
DM <- gw.dist(dp.locat = coords, latlong = TRUE)

# 交叉验证选择最优带宽
bw_opt <- bw.ggwr(
  EP_prop ~ Age_mean + Edu_mean + Kids_mean + Mil_Rural_prop + DSize_mean + taille_mean,
  data = sf_prov,
  dMat = DM,
  family = "binomial",
  method = "CV"
)

# 运行GWLR模型
gwlr_model <- ggwr.basic(
  EP_prop ~ Age_mean + Edu_mean + Kids_mean + Mil_Rural_prop + DSize_mean + taille_mean,
  data = sf_prov,
  bw = bw_opt,
  dMat = DM,
  family = "binomial"
)

# 查看模型结果
summary(gwlr_model)

方案二：使用GWGLM包（更简洁的GWGLM实现） #

GWGLM专门针对地理加权广义线性模型，支持自动带宽选择：

library(GWGLM)

# 运行GWLR，自动交叉验证选带宽
gwglr_model <- gw_glm(
  formula = EP_prop ~ Age_mean + Edu_mean + Kids_mean + Mil_Rural_prop + DSize_mean + taille_mean,
  data = sf_prov,
  coords = c("lon", "lat"),
  family = binomial(link = "logit"),
  bw_method = "cv"
)

# 查看结果
summary(gwglr_model)

# 提取各省份的系数（用于后续空间可视化）
coef_df <- as.data.frame(gwglr_model$SDF)

4. 结果空间可视化（可选） #

将模型系数关联到面状数据，绘制空间分布地图：

library(ggplot2)

# 绘制Age变量的系数空间分布
sf_coef <- sf_prov %>% bind_cols(coef_df %>% select(Age_mean))

ggplot(sf_coef) +
  geom_sf(aes(fill = Age_mean)) +
  scale_fill_viridis_c(option = "plasma") +
  labs(title = "Age变量的地理加权系数空间分布", fill = "系数值") +
  theme_minimal()

关键注意事项 #

• 带宽选择：交叉验证（CV）是最可靠的带宽选择方法，平衡模型拟合度与泛化能力
• 距离计算：针对国家层面的大区域数据，务必使用球面距离（设置latlong=TRUE）
• 变量处理：分类变量必须转换为聚合统计量（如比例），不能直接使用原始分类值

内容的提问来源于stack exchange，提问作者Saïd Maanan