GIS在空间回归分析中的应用:普通最小二乘法(OLS)

wowwwai GIS研习社 · 工具流程与项目排障

《GIS在空间回归分析中的应用:普通最小二乘法(OLS)》这篇文章面向刚开始做空间统计和空间建模的 GIS 学习者，重点说明如何在 GIS 场景中正确理解、运行和检查普通最小二乘法（Ordinary Least Squares，OLS）回归分析。

很多同学在 ArcGIS Pro、GeoDa、R 或 Python 中点击一次 OLS 工具后，就直接把系数和显著性结果写进报告。但在空间数据中，OLS 并不只是“跑一个回归模型”这么简单。你还需要检查变量关系、残差空间自相关、多重共线性、异方差和模型解释能力，否则结果很容易看起来显著，实际上并不可靠。

引言：为什么 GIS 空间回归分析常从 OLS 开始

在 GIS 空间回归分析中，普通最小二乘法 OLS 通常是最基础、也最常用的回归方法。它可以帮助我们回答类似问题：

• 哪些因素会影响房价、地价或租金？
• 人口密度、道路可达性和商业设施数量是否影响店铺销售额？
• 降水、坡度、土地利用类型是否与植被覆盖度变化有关？
• 污染物浓度是否与工业用地比例、道路密度、人口分布有关？

OLS 的优势是结果直观、解释方便、软件支持广泛。ArcGIS Pro 的 Ordinary Least Squares 工具、GeoDa 的回归模块、R 的 lm()、Python 的 statsmodels 都可以完成 OLS 建模。

但要注意：空间数据往往存在邻近区域相似、变量空间聚集、残差空间自相关等问题。普通最小二乘法 OLS 假设观测值之间相互独立，如果这个假设被严重破坏，模型结论就需要谨慎解释。

背景：GIS 中使用普通最小二乘法 OLS 适合解决什么问题

普通最小二乘法 OLS 适合用于解释一个连续型因变量与多个解释变量之间的线性关系。在 GIS 中，因变量和自变量通常来自空间要素属性表、栅格统计结果或空间连接结果。

一个典型案例是：分析城市小区房价与地铁距离、学校数量、商业设施数量、绿地比例之间的关系。

如果研究目标是“解释影响因素”，OLS 可以作为第一步模型。如果研究目标是“处理空间依赖”，则 OLS 往往只是基准模型，后续可能需要进一步使用空间滞后模型、空间误差模型或地理加权回归。

原理：普通最小二乘法 OLS 在空间回归中的基本逻辑

普通最小二乘法 OLS 的核心思想，是寻找一组回归系数，让模型预测值与真实观测值之间的误差平方和最小。常见表达式如下：

Y = β0 + β1X1 + β2X2 + ... + βnXn + ε

其中，Y 是因变量，X1 到 Xn 是自变量，β0 是截距，β1 到 βn 是回归系数，ε 是误差项，也就是残差。

在 GIS 空间回归分析中，你需要特别关注三个问题：

• 系数方向是否符合业务逻辑：例如距离地铁越远，房价是否应该下降。
• 模型残差是否随机分布：如果残差在地图上成片聚集，说明模型遗漏了空间结构。
• 自变量之间是否高度相关：例如商业 POI 数量和道路密度可能表达了相似的城市活跃度。

OLS 的常见假设包括线性关系、误差独立、残差近似正态、方差齐性、自变量之间不存在严重多重共线性。空间数据最容易违反的是“误差独立”这一条，因为相邻区域往往更相似。

步骤：在 GIS 中完成普通最小二乘法 OLS 分析

步骤一：准备空间数据和分析单元

首先要明确分析单元。常见分析单元包括行政区、网格、街区、小区、采样点或栅格像元。不同分析单元会影响模型结果，这就是空间分析中的尺度效应问题。

准备数据时建议检查：

• 所有图层是否使用统一坐标系，距离和面积计算是否可靠。
• 因变量是否为数值型连续变量。
• 自变量是否有明确含义，避免把无关字段随意加入模型。
• 是否存在空值、异常值、重复要素。
• 点、线、面数据是否已经转换为同一分析单元上的属性字段。

例如，如果分析街道尺度的房价影响因素，可以先把 POI 数量、绿地面积、道路密度等指标汇总到街道面图层中，再使用该面图层的属性表运行 OLS。

步骤二：构建因变量和自变量

OLS 不是字段越多越好。变量选择应来自研究问题和地理逻辑，而不是把属性表中所有字段都放进去。

建议按照下面方式设计变量：

• 因变量：只选择一个主要解释对象，例如平均房价、人口增长率、污染浓度。
• 核心自变量：选择与你的问题直接相关的变量，例如地铁距离、土地利用比例。
• 控制变量：加入可能影响结果但不是主要研究对象的变量，例如人口密度、行政区等级。
• 避免重复变量：不要同时加入含义高度重叠的字段，例如商业设施数量、餐饮 POI 数量、购物 POI 数量可能需要合并或筛选。

在 ArcGIS Pro 中，普通最小二乘法 OLS 工具要求输入要素类、唯一 ID 字段、因变量字段和解释变量字段。运行前最好先用散点图、直方图和相关系数矩阵做初步检查。

步骤三：运行 OLS 模型

如果使用 ArcGIS Pro，可以在工具箱中搜索 Ordinary Least Squares。基本参数包括：

• Input Feature Class：包含因变量和自变量的空间要素。
• Unique ID Field：每个要素唯一标识字段。
• Output Feature Class：输出带有预测值和残差字段的新图层。
• Dependent Variable：因变量字段。
• Explanatory Variables：自变量字段列表。

如果使用 Python，可以用 geopandas 读取空间数据，用 statsmodels 运行 OLS。示例代码如下：

import geopandas as gpd
import statsmodels.api as sm

gdf = gpd.read_file("housing_blocks.gpkg")

y = gdf["price"]
X = gdf[["metro_dist", "school_cnt", "green_ratio", "shop_cnt"]]

X = sm.add_constant(X)
model = sm.OLS(y, X).fit()

print(model.summary())

gdf["pred_price"] = model.predict(X)
gdf["residual"] = gdf["price"] - gdf["pred_price"]

gdf.to_file("housing_ols_result.gpkg", driver="GPKG")

这段代码会输出模型统计摘要，并把预测值和残差写回空间数据。后续你可以在 QGIS 或 ArcGIS Pro 中加载 housing_ols_result.gpkg，查看残差的空间分布。

步骤四：解读模型结果

OLS 结果中最常看的指标包括回归系数、P 值、R²、调整 R²、AICc、VIF 和残差诊断结果。

在 GIS在空间回归分析中的应用中，不能只看统计表。一个实用做法是把残差字段做分级设色图，观察高估区域和低估区域是否集中在特定方位、行政区或城市功能区。

步骤五：检查残差空间自相关

OLS 假设残差应该近似随机分布。如果残差在空间上明显聚集，说明模型还没有解释掉空间结构，可能遗漏了重要变量，也可能需要空间回归模型。

常见检查方法包括：

• 制作残差分布图，观察正残差和负残差是否成片出现。
• 对残差运行 Moran’s I 空间自相关检验。
• 查看标准化残差，识别异常区域。
• 结合业务知识判断遗漏变量，例如学区、产业园区、地形屏障、行政政策。

如果 Moran’s I 显示残差存在显著空间自相关，就不能简单地把 OLS 结果当作最终结论。此时可以考虑加入遗漏变量，或转向空间滞后模型、空间误差模型、地理加权回归等方法。

常见坑：普通最小二乘法 OLS 在 GIS 中容易出错的地方

坑一：坐标系不对导致距离和面积变量错误

如果用经纬度坐标直接计算距离、缓冲区或面积，自变量可能已经不可靠。例如以度为单位的距离不能直接解释为米。涉及距离、面积、密度的变量时，应使用合适的投影坐标系。

坑二：把空间相关误当作因果关系

OLS 只能说明变量之间存在统计关系，不能自动证明因果。例如商业 POI 多的地方房价高，可能是商业繁荣推高房价，也可能是高房价地区吸引商业集聚，还可能两者都受中心区位影响。

坑三：忽略残差地图

很多 GIS 初学者只看回归表，不看残差空间分布。这在空间回归中非常危险。残差图可以告诉你模型在哪些地方系统性高估或低估，往往比单纯的 R² 更有诊断价值。

坑四：自变量高度重复

道路密度、POI 数量、夜间灯光强度、人口密度都可能表达城市活跃度。如果全部加入模型，可能导致多重共线性，使单个系数不稳定，甚至出现方向反常。

坑五：样本数量太少

OLS 需要足够样本支撑。如果只有十几个行政区，却放入很多自变量，模型结果通常不稳。经验上，变量数量应与样本数量保持合理比例，并尽量通过理论和探索性分析减少无关变量。

方法比较：OLS 与其他空间回归方法怎么选

普通最小二乘法 OLS 通常适合作为空间回归分析的起点，但不是所有空间问题都适合用 OLS 作为最终模型。下面是几种常见方法的比较。

实务中建议先运行普通最小二乘法 OLS，建立基准模型；再根据残差空间自相关、变量显著性和业务需求，判断是否需要更复杂的空间模型。

检查清单：发布 OLS 空间回归结果前必须确认

在把 GIS 空间回归分析结果写入论文、报告或项目文档前，建议逐项检查下面清单。

• 分析单元是否清楚，例如街道、网格、行政区或采样点。
• 因变量是否连续、含义明确、单位一致。
• 自变量是否来自合理的空间统计或属性计算。
• 距离、面积、密度变量是否基于正确投影坐标系计算。
• 是否检查过缺失值、异常值和重复记录。
• 是否查看过变量的描述统计和分布形态。
• 是否检查过自变量之间的相关性和 VIF。
• 是否解读了系数方向，而不是只看 P 值。
• 是否绘制了残差地图。
• 是否对残差做过空间自相关检验。
• 如果残差空间聚集明显，是否说明 OLS 的局限。
• 报告中是否区分了相关关系和因果关系。

一个可靠的 OLS 空间回归结果，不是“模型显著”就结束，而是要能解释变量为什么合理、残差为什么可接受、空间结构是否被充分检查。

FAQ：普通最小二乘法 OLS 空间回归常见问题

GIS 中 OLS 回归结果显著就一定可靠吗？

不一定。OLS 回归结果显著只说明在当前变量和模型设定下存在统计关系。对于空间数据，还必须检查残差空间自相关、多重共线性、异常值和变量构造方式。尤其是残差如果在地图上明显聚集，模型结论需要谨慎。

普通最小二乘法 OLS 可以用于空间预测吗？

可以，但要注意适用条件。如果模型残差随机、变量关系稳定、预测区域与训练样本背景一致，OLS 可以用于基础预测。如果存在明显空间异质性或非线性关系，可能需要 GWR、随机森林、梯度提升树或空间回归模型辅助。

OLS 残差空间自相关显著怎么办？

可以先检查是否遗漏重要变量，例如地形、交通、行政政策、土地利用或邻近效应。然后重新构建变量并运行 OLS。如果残差仍然显著空间自相关，可以考虑空间误差模型、空间滞后模型或地理加权回归。

ArcGIS Pro 的 OLS 和 Python 的 statsmodels OLS 有什么区别？

核心回归思想相同，但 ArcGIS Pro 更适合 GIS 用户直接处理空间要素、输出残差图层和空间诊断结果。Python 的 statsmodels 更灵活，适合批量建模、自动化处理和与 GeoPandas、PySAL 等库结合。实际项目中可以先用 ArcGIS Pro 快速探索，再用 Python 做可复现分析流程。

普通最小二乘法 OLS 能处理分类变量吗？

可以，但分类变量需要转换为哑变量。例如土地利用类型不能直接作为普通文本字段进入模型，需要转换为多个 0/1 字段。使用分类变量时还要避免完全共线性，通常需要保留一个类别作为基准组。

为什么 OLS 模型的 R² 很高但地图残差仍然很集中？

R² 高说明整体解释能力较强，但不代表空间分布上没有问题。残差集中可能表示模型在某些区域系统性高估或低估，例如中心城区、山地片区、工业区或新区。空间回归分析必须同时看统计指标和空间诊断。

结论：把 OLS 当作空间回归分析的基准模型，而不是终点

GIS在空间回归分析中的应用:普通最小二乘法(OLS)的核心价值，是帮助我们用清晰、可解释的方式建立变量关系，并为空间回归分析提供一个基准模型。

在实际工作中，建议按照“准备数据—构建变量—运行 OLS—解读系数—检查残差—判断是否需要空间模型”的流程操作。只有当变量合理、诊断充分、残差空间分布可解释时，普通最小二乘法 OLS 的结果才适合写入分析报告。

如果你发现残差存在明显空间聚集，不要急着否定模型。它往往是在提醒你：空间过程还没有被完全解释，下一步应该回到数据、变量和空间机制本身，继续完善你的 GIS 空间回归分析。