简介：时空地理加权回归模型(GTWR)作为局部时空统计的核心方法,能够精准且灵活地捕捉数据中的时空异质性.然而,针对诸如犯罪数、病例数和交通事故数等具有非连续性和非正态性特征的计数数据时,传统的基于高斯分布的GTWR模型常面临预测不准确和模型设定不恰当等挑战.因此,本文将泊松回归方法融入GTWR模型框架,提出时空地理加权泊松回归模型(GTWPR),以适用于计数数据的建模和分析,并详细阐述基于局部似然估计的GTWPR模型拟合方法.为验证GTWPR模型的优越性,本文设计了3组模拟试验,结果显示GTWPR模型的拟合精度分别达到0.941、0.794和0.965,表明GTWPR模型在处理计数数据时能够有效刻画时空异质性,显著提升模型结果的准确性.最后,本文基于ZG市格网尺度下财产犯罪数据及其影响机制开展实证分析.结果表明,与地理加权泊松回归模型(GWPR)相比,GTWPR模型的拟合精度显著提升,该结果不仅验证了GTWPR模型在处理计数数据与时空异质性特征方面的显著优势,也体现了其解决实际问题的能力.综上,本文提出的GTWPR模型为犯罪学、公共卫生和交通安全等领域的计数数据应用提供了有力的统计工具,有助于揭示复杂时空数据中蕴含的深层次规律和机制.展开
