geoskill-spatial-regression

OLS空间诊断+SLM/SEM空间回归模型

空间回归分析 | Spatial Regression

End-to-end spatial regression workflow: OLS fitting → residual spatial autocorrelation diagnostics (Moran's I + Lagrange Multiplier) → maximum likelihood estimation of the spatial lag model (SLM) and spatial error model (SEM) (grid search + exact log-determinant).

Core Algorithm / 核心算法

• OLS and residual Moran's I diagnostics
• LM-lag / LM-error tests
• SLM/SEM maximum likelihood estimation

Dependencies / 依赖

bash

pip install numpy rasterio scipy geopandas shapely scikit-learn

Usage / 使用方法

Example 1 (synthetic data, offline)

bash

python geoskill-spatial-regression.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

Example 2 (custom region + quiet mode)

bash

python geoskill-spatial-regression.py --bbox 121.0 31.0 122.0 32.0 --synthetic --output-dir ./out2 --quiet

Example 3 (real input)

bash

python geoskill-spatial-regression.py --input <your data file> --output-dir ./out3

Example 4 (tiny-area boundary test)

bash

python geoskill-spatial-regression.py --bbox 116.39 39.90 116.40 39.91 --synthetic --output-dir ./out4 --quiet

Output / 输出

File	Format	Description
regression_stats.json	GeoTIFF/GeoJSON/JSON	Primary output
output-manifest.json	JSON	Run manifest

Data Source / 数据源 / Source

• Synthetic mode: locally generates physically consistent simulated data; no external data sources.
• Real-data mode: reads local input files; no network requests.

Privacy / 隐私声明 / Privacy

• Runs fully offline by default; makes no network requests.
• --synthetic mode reads no external data.
• All computation is done locally; user data is never uploaded.

License / License

MIT

---

---

name: geoskill-spatial-regression description: 'OLS空间诊断+SLM/SEM空间回归模型'

空间回归分析 | Spatial Regression

空间回归全流程：OLS 拟合 → 残差空间自相关诊断（Moran's I + Lagrange Multiplier）→ 空间滞后模型（SLM）与空间误差模型（SEM）的极大似然估计（网格搜索 + 精确 log 行列式）。

核心算法

• OLS 与残差 Moran's I 诊断
• LM-lag / LM-error 检验
• SLM/SEM 极大似然估计

依赖

bash

pip install numpy rasterio scipy geopandas shapely scikit-learn

使用方法

示例 1（合成数据，离线）

bash

python geoskill-spatial-regression.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

示例 2（指定区域 + 静默）

bash

python geoskill-spatial-regression.py --bbox 121.0 31.0 122.0 32.0 --synthetic --output-dir ./out2 --quiet

示例 3（真实输入）

bash

python geoskill-spatial-regression.py --input <你的数据文件> --output-dir ./out3

示例 4（极小区域边界测试）

bash

python geoskill-spatial-regression.py --bbox 116.39 39.90 116.40 39.91 --synthetic --output-dir ./out4 --quiet

输出

文件	格式	说明
regression_stats.json	GeoTIFF/GeoJSON/JSON	主产物
output-manifest.json	JSON	运行清单

数据源 / Source

• 合成模式：本地生成物理一致的模拟数据，无外部数据源。
• 真实模式：读取本地输入文件，无网络请求。

隐私声明 / Privacy

• 默认完全离线运行，不发起任何网络请求。
• --synthetic 模式不读取任何外部数据。
• 所有计算在本地完成，不上传用户数据。

License

MIT