1.方法概述：
使用回归分析模型，可以更好地了解区域经济现象的影响因素或驱动机制，并测量这些影响因素对经济现象变化的影响程度。
从地理空间角度出发，经济发展尤其是区域经济发展极易存在空间相关性以及空间异质性。在实际问题研究中经常发现回归系数在不同地理位置上往往表现为不同，也就是说回归系数随地理位置而变化，地理加权回归模型（GWR）相比普通线性回归模型（OLR）能够很好的避免这个问题。
地理加权回归模型（GWR）表达式如下：
通过地理加权回归模型，能够挖掘出更多信息，有利于我们有效全面地分析区域经济现象。
2.数据准备：
- 全国矢量数据
- GDP等经济属性数据（其中，影响因素变量参照新古典经济增长模型，选取劳动力（使用年末就业人口进行表征）和投资（使用固定资产投资进行表征）两个基本变量，另外考虑市场化（使用樊纲等人测度的市场化指数进行表征）这一重要的制度性因素变量）。
3.具体操作步骤：
3.1 加权回归模型计算
- 首先将全国矢量数据与经济属性数据进行连接操作，同时对图层数据进行投影坐标系转换。
- 选择【系统工具箱→Spatial Statistics Tools→空间关系建模→地理加权回归】工具，设置相关参数。
- 计算完成，系统会输出一图层数据和一表格数据，其中图层数据中包含有大量数据。
3.2 表格数据查看
- 打开改表格可以看到一些计算结果数据，主要关注AICc和R2Adjusted这两个数据值，它们是地理加权回归模型选取的重要参照指标。
AICc——作为模型性能的一种度量方法，有助于比较不同回归模型，具有较小AICc值的模型能更好的拟合数据；
R2Adjusted——是R2校正后得到的数值，值越大越好。
3.3 图层解读
- 系统系自动将标准化残差渲染为彩色地图，该指标主要用来衡量每个系数估计值的可靠性。一般来说大于2.5倍标准差的地方拟合可能会有问题。
从下面的标准化残差图中可以看出，除了广东拟合效果不是很理想，其他地区拟合效果均比较理想。
- 图层属性表中包含有各自变量因素的拟合系数，可以根据需要分别进行渲染。
- 通过就业人口回归系数图可以看出，就业人口对经济发展具有正向作用。劳动力作为新古典经济增长的重要因素，有利于经济增长。不过这种促进作用存在地区不均衡性，劳动力的经济贡献程度由南向北逐渐递减。南部地区作为我国人口迁移的活跃地区，其经济增长具有明显优势。
- 通过固定资产投资回归系数图可以看出，固定资产投资变化量对各省经济总量变化影响为正相关关系，其影响程度由东北向西南依次降低。高值区集中于环渤海和东北地区，低值区集中于南部省份。长期以来环渤海地区与东北地区经济发展侧重于资本密集型的重工业发展模式，而且国有企业比重大，故此对固定资产投资依赖程度深，经济结构单一性严重。而南方地区因其经济结构多样化，固定资产投资对经济贡献程度没有北方地区高。
- 通过市场化回归系数图可以看出，市场化进程有利于促进省域经济发展，不过这种促进作用呈现由东部向西部的递减趋势，东部沿海地区影响程度要明显高于其他地区。其主要原因是在市场化改革逐渐深入的过程中，各地区的市场化进程并不同步，东部沿海地区优惠扶持政策推行相对更早，改革力度也较大，而中西部地区相对迟缓。作为驱动经济增长的重要制度性因素，市场化改革无疑会拉大地区间经济发展差距。
Reference：
《区域经济分析与ArcGIS软件应用》
