地理加权回归（GWR）是处理空间非平稳性的经典建模方法，它结合距离衰减效应拟合局部回归模型，其中距离的定义从最初的欧氏距离有所拓展，但这些距离的本质仍为物理距离。随着全球化和信息化的发展，高速高效的交通、通信等基础设施网络令生产要素不必地理邻近即可实现时空共享，面对远程密切联系现象屡见不鲜的全球化信息化时代，物理距离可能无法反映真实的空间临近度，基于物理距离的GWR显然存在局限性。

基于此，本研究提出一种网络加权回归模型（NWM GWR），它不再依附地理位置建模，而采用网络距离衡量两个区域间的邻近度，并通过改进核函数实现距离衰减对观测值进行加权（图1）。研究通过采用人口流动网络建立网络权重矩阵，利用网络自相关和NWM GWR方法对中国城市化及其多维驱动因素进行建模。研究结果表明，NWM GWR 模型相比普通最小二乘法（OLS）及GWR模型具有更高的拟合精度及稳定性，能够更好地揭示变量间的关系，适用于流空间背景下经济社会系统建模。

以上研究成果以“Geographically weighted regression based on a network weight matrix: a case study using urbanization driving force data in China”为题发表在International Journal of Geographical Information Science 期刊上。我院硕士研究生何静仪为第一作者，魏冶教授为通讯作者，该研究得到国家自然科学基金项目资助。

原文链接：http://dx.doi.org/10.1080/13658816.2023.2192122

图1 网络加权回归模型流程