Изилдөө Кытайдын жээк бөлүгүндөгү Xiamen–Zhangzhou–Quanzhou (XZQ) шаардык агломерациясында жайгашкан 89 A-share биржасында листингден өткөн компанияны колдонуп, NQPFтин курулган чөйрө менен болгон байланышын 600 m × 600 m мейкиндиктик gridдер боюнча изилдейт. Компания деңгээлиндеги NQPF маанилери 1,5 km тилке кеңдигине ээ Kernel Density Estimation (KDE) аркылуу үзгүлтүксүз мейкиндиктик бетке айландырылган; курулган чөйрөнүн өзгөрмөлөрү болсо Recursive Feature Elimination with Cross-Validation (RFE-CV) жана Multiscale Geographically Weighted Regression (MGWR) айкалышы менен талданган.

Изилдөөнүн негизги методологиялык идеясы — курулган чөйрөнүн инновацияга багытталган өндүрүмдүүлүк менен болгон байланышы бүт шаарда бирдей чоңдукта жана бирдей мейкиндиктик масштабда жүрөт деп болжобоо. Ordinary Least Squares (OLS) бүт аймак үчүн туруктуу коэффициенттерди бааласа, Geographically Weighted Regression (GWR) коэффициенттердин жайгашкан жерге жараша өзгөрүшүнө мүмкүнчүлүк берет, бирок бардык өзгөрмөлөрдү бир тилке кеңдигине мажбурлайт. MGWR болсо ар бир түшүндүрүүчү өзгөрмөгө өзүнүн оптималдуу мейкиндиктик тилке кеңдигин берип, айрым өзгөрмөлөрдүн бүткүл аймакта, башкаларынын болсо белгилүү жергиликтүү тилкелерде гана күчтүү байланыш көрсөтүшүнө мүмкүндүк берет.

RFE-CV процесси бири-бирин толуктаган эки моделди түзгөн. Жети өзгөрмөлүү parsimonious subset негизги мейкиндиктик түзүлүштү азыраак өзгөрмө менен түшүндүрүү үчүн тандалып, беш бүктөмдүү кайчылаш текшерүүдө Mean CV-R² = 0,342274 көрсөткүчүн берген. Он төрт өзгөрмөлүү highest-performing subset болсо Mean CV-R² = 0,343979 менен өзгөчөлүктөрдү тандоо этабындагы эң жогорку маанини берген. Эки модель атаандаш моделдер катары эмес, ар башка аналитикалык милдети бар эки катмар катары чечмеленет: жети өзгөрмөлүү модель негизги түзүмдүк өзөктү, он төрт өзгөрмөлүү модель болсо функционалдык, институционалдык жана кызматтык өзгөрмөлөр жергиликтүү механизмдерди кантип өзгөртөрүн түшүндүрөт.

MGWR эки спецификацияда тең OLS жана GWRге караганда күчтүүрөөк in-sample дал келүүнү көрсөткөн. Жети өзгөрмөлүү MGWR моделинде R² = 0,989; он төрт өзгөрмөлүү моделде R² = 0,991. Бирок бул өтө жогорку маанилер тандоодон тышкаркы божомол тактыгы же себептүүлүктүн далили эмес. Көз каранды өзгөрмө компания чекиттеринин KDE аркылуу мейкиндик боюнча жылмаланышынан түзүлгөн, бет өтө жогорку мейкиндиктик автокорреляцияны көрсөтөт жана Moran's I = 0,998 деп билдирилет. Ошондуктан авторлор MGWR R² маанилерин мейкиндик боюнча жылмаланган жана жогорку автокорреляциялуу беттеги in-sample түшүндүрүү жөндөмү катары баалоо керектигин өзгөчө белгилешет.

Натыйжалар үч негизги мейкиндиктик механизм менен чечмеленет: экологиялык шайкештик инфраструктура жана табигый базалык шарттар ар башка аймактарда ар башка маржиналдык жооп көрсөтөрүн; түзүмдүк координация жетилген борборлордо ашыкча жыштык, функционалдык дал келбестик жана тыгын басымы инновацияга багытталган өндүрүмдүүлүк менен болгон байланыштын багытын өзгөртө аларын; чек араны активдештирүү болсо шаарлар аралык жана жаңы шаар интерфейстери транспорт, коомдук кызматтар жана институционалдык ресурстар туура кайра уюштурулганда жогорку сезимталдык көрсөткөн аймактарга айлана аларын билдирет.

Бул табылгалар себептик эксперименттин жыйынтыктары эмес. Изилдөө байкоочу жана кесилиштик мүнөздө; тескери себептүүлүктүн, тарыхый өнүгүүнүн, саясаттык шоктордун же өлчөнбөгөн башка факторлордун таасирин толугу менен четтетүүгө болбойт. Мындан тышкары, жыйынтыктар XZQ аймагы, изилденген 89 биржада листингден өткөн компания, колдонулган KDE өзгөртүүсү жана жеткиликтүү курулган чөйрө көрсөткүчтөрүнүн контекстинде чечмеленүүгө тийиш.

Изилдөө кайсы көйгөйдү чечүүгө аракет кылат?

Шаарларда инновациялык фирмалар, квалификациялуу жумушчу күчү, транспорт тармактары, изилдөө мекемелери, каржы кызматтары жана өнүккөн коомдук кызматтар мейкиндикте бирдей бөлүштүрүлбөйт. Бир шаардын борборунда өтө күчтүү көрүнгөн курулуш же кызмат тыгыздыгы башка аймакта ошол эле натыйжаны бербеши мүмкүн. Мындан тышкары, ошол эле фактордун таасири кайсы географиялык масштабда пайда болору да өзгөрүшү мүмкүн. Жол тармагынын байланышы аймактык мааниге ээ болушу мүмкүн, ал эми билим берүү объектиси же курулуш тыгыздыгы сыяктуу башка өзгөрмө белгилүү кварталдарда гана башкача жүрүшү мүмкүн.

Ошондуктан изилдөөнүн көйгөйү “курулган чөйрөнүн кайсы фактору маанилүү?” деген суроо менен гана чектелбейт. Негизги суроолор: Кайсы фактор маанилүү, кайда маанилүү, байланыштын багыты кайда өзгөрөт жана ар бир фактор кайсы мейкиндиктик масштабда иштейт?

Авторлор бул көйгөйдү экономикалык география, институционалдык экономика, инновациялык системалар жана мейкиндиктик гетерогендүүлүк адабиятын бириктирүү менен карашат. Теориялык алкак үч механизмге негизделет:

• Экологиялык шайкештик: Табигый база, инфраструктура жана жеткиликтүүлүк шарттары инновацияга багытталган өндүрүмдүүлүккө байланыштуу мейкиндиктик мүмкүнчүлүктөрдү жана чектөөлөрдү ар башка масштабдарда калыптандырышы.
• Түзүмдүк координация: Өнөр жай, кызмат, институционалдык ресурс жана шаар түзүлүшүнүн бири-бири менен шайкеш же шайкеш эмес болушу өндүрүмдүүлүк байланыштарын өзгөртүшү.
• Чек араны активдештирүү: Салттуу шаар борборлорунан тышкаркы жаңы шаар, жээк коридору жана административдик чек ара интерфейстери транспорт, коомдук кызматтар жана институционалдык байланыштар аркылуу күчтүү инновациялык аймактарга айлана алышы.

NQPF Бул Изилдөөдө Так Эмнени Өлчөйт?

NQPF бул макалада түздөн-түз байкалган жалгыз экономикалык натыйжа эмес; 89 A-share компаниясынын изилдөө жана өнүктүрүү адам ресурстары, негизги жана материалдык активдер түзүмү, Ar-Geге бөлүнгөн физикалык жана түз кириштер, материалдык эмес активдер жана операциялык натыйжалуулук сыяктуу 11 көрсөткүчүн Entropy Weight Method аркылуу бириктирүүдөн алынган компания деңгээлиндеги курамдык индекс. Ошондуктан макаладагы “NQPF” маанилери патенттердин санына, жалпы сатууга же жалгыз эмгек өндүрүмдүүлүгүнө теңдеш эмес.

Компания деңгээлиндеги 11 NQPF көрсөткүчү

Булак таблицасындагы салмактардын суммасы 100. Бирок бул изилдөө NQPF түшүнүгүн ушул 11 көрсөткүчтүү операциялык аныктама менен өлчөйт; башка изилдөөдөгү NQPF өлчөө системасы сөзсүз эле ушундай болот деген жыйынтык чыгарылбашы керек.

Теңдеме (1): Энтропиялык Салмак Ыкмасында көрсөткүчтүн салмагы

\[ w_j=\frac{1-e_j}{\sum_{j=1}^{11}(1-e_j)} \]

Формула эмнени эсептейт? \(j\) номерлүү көрсөткүчтүн курамдык NQPF индексиндеги объективдүү салмагын эсептейт.

Өзгөрмөлөр: \(w_j\), \(j\)-көрсөткүчтүн салмагы. \(e_j\), ошол көрсөткүчтүн маалыматтык энтропиясы. Алымдагы \(1-e_j\) көрсөткүчтүн маалыматты айырмалоо жөндөмүн билдирген мүчө. Бөлүм 11 көрсөткүч боюнча бардык \(1-e_j\) маанилеринин суммасы болуп, салмактарды жалпы масштабга нормалдаштырат.

Түшүндүрмө: Теңдеме маалыматтык энтропиясы төмөнүрөөк жана үлгүлөрдү жакшыраак айырмалаган көрсөткүчкө курамдык индексте чоңураак салмак алууга мүмкүндүк берет. Бирок булак бул ыкма бөлүмүндө \(e_j\) эсептөө үчүн өзүнчө энтропия теңдемесин бербейт; Verianla булакта жок кошумча энтропия формуласын кошпойт.

Теңдеме (2): Компания деңгээлиндеги NQPF индекси

\[ NQPF_i=\sum_{j=1}^{11} w_j P_{ij} \]

\(NQPF_i\), \(i\)-компаниянын курамдык NQPF мааниси. \(w_j\), Теңдеме (1)ден алынган көрсөткүч салмагы. \(P_{ij}\), \(i\)-фирманын \(j\)-көрсөткүч боюнча стандартташтырылган мааниси. Математикалык жактан ар бир стандартташтырылган көрсөткүч өз салмагына көбөйтүлүп, 11 компонент кошулат.

Ошондуктан компания деңгээлиндеги NQPF мааниси жалгыз каржылык катыш эмес, бир нече өлчөмдү бириктирген салмакталган курамдык балл.

Компания чекиттери эмне үчүн KDE аркылуу үзгүлтүксүз бетке айландырылат?

89 компания мейкиндикте өзүнчө чекиттер. Курулган чөйрө маалыматтары болсо 600 m × 600 m gridдерде берилет. Компания бар gridдерди гана түз колдонуу көп сандаган нөл маанилүү уячаларды жана бөлүнгөн көз каранды өзгөрмөнү жаратышы мүмкүн. Ошондуктан изилдөө компаниялардын NQPF маанилерин мейкиндикке жайылган үзгүлтүксүз тыгыздык бетине айлантат.

Теңдеме (3): Kernel Density Estimation

\[ f_h(x)=\frac{1}{nh}\sum_{i=1}^{n}K\left(\frac{x-x_i}{h}\right) \]

Булакка берилгендик эскертүүсү: Теңдеме (3) жарыяланган PDFте жогорудагыдай \(1/(nh)\) түрүндө жазылган. Verianla формуланы стандарттуу эки өлчөмдүү KDE туюнтмасына айлантуу үчүн бөлүмгө \(h^2\) сыяктуу булакта жок өзгөртүү киргизген эмес.

\(f_h(x)\), максаттуу \(x\) жайгашуусундагы бааланган kernel тыгыздыгы. \(K(\cdot)\), kernel функциясы. \(h\), тилке кеңдиги жана изилдөөдө 1,5 km болуп белгиленген. \(n\), компания байкоолорунун жалпы санын билдирет; изилдөөнүн компания үлгүсү 89. \(x_i\), \(i\)-компаниянын жайгашуусун билдирет.

Тилке кеңдиги бир компания чекитинин мейкиндиктик таасири канчалык кең айланага тарай турганын аныктаган негизги параметр. Өтө кичине тилке кеңдиги бетти ашыкча бөлүкчөлүү кылышы мүмкүн; чоң тилке кеңдиги болсо жергиликтүү айырмачылыктарды ашыкча жылмалап салышы мүмкүн. Авторлор 1,5 km маанисин жергиликтүү таралууну чагылдыруу менен ашыкча бөлүнүүнү чектөөнүн ортосундагы тең салмак катары тандашканын, бирок келечектеги изилдөөлөрдө ар башка KDE тилке кеңдиктери үчүн сезимталдык талдоосу жүргүзүлүшү керектигин белгилешет.

KDE бетинен ар бир 600 m × 600 m grid уячасынын борборундагы маани алынып, кийинки регрессиялык моделдердин үзгүлтүксүз көз каранды өзгөрмөсү түзүлөт.

Теңдеме (4): Global Moran's I

\[ I= \frac{n}{S_0} \frac{ \sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}Z_iZ_j }{ \sum_{i=1}^{n}Z_i^2 } \]

\(n\), мейкиндиктик бирдиктердин саны. \(w_{ij}\), \(i\) жана \(j\) мейкиндиктик бирдиктеринин ортосундагы мейкиндиктик салмак. \(Z_i\) жана \(Z_j\), тиешелүү бирдиктердин NQPF маанилеринин орточодон четтөөлөрү. \(S_0\), бардык мейкиндиктик салмактардын суммасы.

Moran's I оң болгондо окшош маанилүү мейкиндиктик бирдиктер бири-бирине жакын топтолууга жакын экени түшүнүлөт. Изилдөөдө Moran's I = 0,998 жана p = 0 деп билдирилген. Авторлор бул өтө жогорку автокорреляциянын бир бөлүгү KDE өзгөртүүсү жараткан мейкиндиктик үзгүлтүксүздүктөн келип чыгарын ачык белгилешет.

Moran's I жыйынтыгынын илимий ролу маанилүү: көз каранды өзгөрмөнүн күчтүү мейкиндиктик топтолушу бүт аймак үчүн бир туруктуу коэффициентти болжолдогон OLS модели гана жетишсиз болушу мүмкүн деген негизги аргументти түзөт.

Изилдөө аймагы жана мейкиндиктик чечилиш

Изилдөө Кытайдын түштүк-чыгыш жээгиндеги Min-nan, башкача айтканда Түштүк Fujian аймагында жайгашкан Xiamen, Zhangzhou жана Quanzhou шаарларынан турган XZQ шаардык агломерациясын изилдейт.

Негизги талдоо бирдиги 600 m × 600 m grid уячасы. Авторлор бул чечилиш болжол менен квартал масштабындагы жергиликтүү гетерогендүүлүктү көрсөтө аларын жана ошол эле учурда мындан да кичине gridдерде жаралышы мүмкүн болгон көп сандагы нөл маанилер көйгөйүн азайтууга жардам берерин белгилешет.

Компания деңгээлиндеги 89 NQPF мааниси KDE аркылуу ушул grid системасына өткөрүлүп, курулган чөйрө көрсөткүчтөрү да ошол эле координат системасында жана ошол эле эталондук gridде шайкештелет. Ошентип көз каранды жана түшүндүрүүчү өзгөрмөлөрдүн мейкиндиктик бирдиктери бирдейленет.

Курулган чөйрөнүн талапкер өзгөрмөлөрү

Макаланын текстинде 27 талапкер өзгөрмө айтылат. Бирок жарыяланган 1-таблица көрүнгөн түрдө төмөнкү X1–X26 өзгөрмөлөрүн тизмелейт:

Булактын ичиндеги дал келбестик: Текст 27 талапкер өзгөрмө бар экенин айтса, 1-таблица X1–X26ны көрсөтөт. Макаланын мейкиндиктик бөлүштүрүү түшүндүрмөсүндө кошумча “census population (X27)” деген сөз айкашы колдонулат. Ыкма бөлүмүндө population density (POP) өзгөрмөсү олуттуу эндогендик жана макро-коллинеардуулук себептүү VIF скринингинен мурун чыгарылганы айтылат. Булак жарыяланган 1-таблицадагы жетишпеген сапты ачык бербегендиктен, Verianla X27 менен POP бир эле аныктама экенин так илимий факт катары толуктабайт.

Ар башка чечилишке ээ маалыматтар кантип бирдейлештирилди?

Булактар имарат маалыматтары, жол жана POI маалыматтары, NASA жер маалыматтары, NDVI растрлары жана башка көп булактуу мейкиндиктик маалымат топтомдорунан турат. Алардын баштапкы чечилиштери бирдей эмес.

Изилдөөдө бардык маалымат топтомдору жалпы координат системасына проекцияланып, стандарттуу 600 m × 600 m grid менен геометриялык жактан шайкештелген. Чекит жана сызык маалыматтары grid уячаларында сан же тыгыздык катары жыйналган; үзгүлтүксүз растрларда болсо grid уячасынын ичиндеги орточо пиксел маанилерин алуу үчүн zonal statistics колдонулган.

Акыркы этапта бардык агрегатталган түшүндүрүүчү өзгөрмөлөр моделди баалоодон мурда Z-score стандартташтыруусуна алынган. Максаты — өлчөө бирдиктери ар башка көрсөткүчтөрдү салыштырылуучу регрессия масштабына алып келүү.

VIF скрининги эмне үчүн жүргүзүлдү?

Көп сандагы курулган чөйрө өзгөрмөлөрүнүн бири-бири менен күчтүү байланышы регрессия коэффициенттерин туруксуз кылышы мүмкүн. Ошондуктан баштапкы OLS диагностикалык моделинде Variance Inflation Factor (VIF) колдонулган.

Авторлор классикалык 10 чегинен катуураак чек колдонуп, VIF < 7,5 шартын колдонушкан. VIFи жогору өзгөрмөлөр ырааттуу түрдө чыгарылган. Population density болсо олуттуу эндогендик жана макро-коллинеардуулук себептүү VIF процессинен мурун чыгарылган.

Кошумча A2 таблицасы алгачкы скринингде айрым өзгөрмөлөр өтө жогорку VIF маанилерине жеткенин көрсөтөт: мисалы, X6 POI density үчүн 522,593; X19 shopping services үчүн 74,109; X18 catering services үчүн 22,832; X20 life services үчүн 22,829; X17 residential area үчүн 11,825 жана X11 enterprise density үчүн 9,577 деп билдирилген. Ырааттуу чыгаргандан кийин 18 өзгөрмө VIF < 7,5 шарты менен негизги OLS моделинде калтырылган.

RFE-CV кантип иштейт?

VIFтен кийин калган өзгөрмөлөрдүн баарын MGWRге түз берүү ордуна изилдөө Recursive Feature Elimination with Cross-Validation колдонот. RFE базалык регрессиялык баалоочуну курат, стандартташтырылган коэффициенттин чоңдугуна жараша эң аз маалымат берет деп эсептелген өзгөрмөнү чыгарат жана жаңы өзгөрмө топтомун кайра баалайт.

Ар бир өзгөрмө топтому беш бүктөмдүү кайчылаш текшерүү менен сыналат. Ошентип өзгөчөлүк тандоо бүт маалыматтагы дал келүүгө гана эмес, текшерүү бүктөмдөрүндөгү натыйжага жараша жүргүзүлөт.

Теңдеме (5): Орточо кайчылаш текшерүү R² мааниси

\[ Mean\ CV-R^2(S^{(t)}) = \frac{1}{K} \sum_{k=1}^{K} R^2_{test,k}(S^{(t)}) \]

\(K=5\), текшерүү бүктөмдөрүнүн саны. \(S^{(t)}\), RFE процессинин \(t\)-итерациясында сакталган өзгөчөлүктөр топтому. \(R^2_{test,k}\), бул өзгөчөлүктөр топтомунун \(k\)-текшерүү бүктөмүндөгү тест R² мааниси.

Формула беш текшерүүнүн жыйынтыгын кошуп, бешке бөлүү менен ошол өзгөчөлүктөр топтомунун орточо бүктөмдөн тышкаркы натыйжасын берет. Бул маани кийин ар башка өлчөмдөгү өзгөчөлүктөр топтомдорун салыштыруу үчүн колдонулат.

Натыйжа алгачкы өзгөрмөлөр кошулганда тез өсөт, жети өзгөрмөнүн тегерегинде өсүш айкын түрдө жайлайт. Жети өзгөрмөлүү топтом абсолюттук максимум эмес; азыраак өлчөм менен 0,342274 маанисин бергендиктен чечмелөөгө ыңгайлуу болуп, parsimonious model катары тандалган. Он төрт өзгөрмөлүү топтом 0,343979 менен RFE-CV жолундагы эң жогорку натыйжаны бергендиктен highest-performing subset катары тандалган.

Бул жердеги болжол менен 0,34 деңгээлиндеги кайчылаш текшерилген R² менен кийин MGWRде алынган 0,989–0,991 in-sample R² бир эле баалоо тартибинин бир эле метрикасы эмес. Биринчиси өзгөчөлүк тандоонун беш текшерүү бүктөмүндөгү натыйжасы; экинчиси KDE менен жылмаланган мейкиндиктик беттеги жергиликтүү коэффициенттүү MGWR дал келүүсү. Бул эки санды бири-биринин ордуна колдонууга болбойт.

MGWR менен GWRдин Негизги Айырмасы Эмне?

GWR бардык түшүндүрүүчү өзгөрмөлөрдүн мейкиндиктик байланышы бир жалпы тилке кеңдигинде өзгөрөт деп болжолдосо, MGWR ар бир өзгөрмөгө өзүнчө оптималдуу тилке кеңдигин берет; ошентип, мисалы, кесилиштердин тыгыздыгы бүт аймак боюнча туруктуу болуп, курулуш тыгыздыгы белгилүү жергиликтүү тилкелерде гана өзгөрмө болушу бир моделдин ичинде көрсөтүлүшү мүмкүн.

Теңдеме (6): Ordinary Least Squares

\[ y_i=\beta_0+\sum_k\beta_kx_{ik}+\epsilon_i \]

\(y_i\), \(i\)-мейкиндиктик бирдиктеги NQPF көз каранды өзгөрмөсү. \(x_{ik}\), ошол эле мейкиндиктик бирдиктеги \(k\)-курулган чөйрө өзгөрмөсү. \(\beta_0\) туруктуу мүчө, \(\beta_k\) бүт изилдөө аймагы үчүн жалгыз глобалдык коэффициент жана \(\epsilon_i\) ката мүчөсү.

OLSтин бул контексттеги маанилүү божомолу коэффициент географиялык жайгашууга жараша өзгөрбөйт деген түшүнүк. Мисалы, X3 кесилиш тыгыздыгы үчүн бир \(\beta_3\) бааланат жана бул коэффициент Xiamen, Zhangzhou же Quanzhouнун бардык gridдеринде бирдей деп кабыл алынат.

Теңдеме (7): Geographically Weighted Regression

\[ y_i= \beta_0(u_i,v_i) + \sum_k \beta_k(u_i,v_i)x_{ik} + \epsilon_i \]

\((u_i,v_i)\), \(i\)-мейкиндиктик бирдиктин географиялык жайгашуусу. GWRде коэффициенттер эми жайгашууга көз каранды. Ошондуктан ошол эле X3 өзгөрмөсү ар башка gridдерде ар башка коэффициент ала алат.

Бирок стандарттуу GWR бардык өзгөрмөлөр үчүн бир жалпы оптималдуу тилке кеңдигин колдонот. Бул ар бир шаардык механизм бир эле мейкиндиктик масштабда иштейт деп болжолдоону билдирет.

Теңдеме (8): Multiscale Geographically Weighted Regression

\[ y_i= \beta_{bw0}(u_i,v_i) + \sum_k \beta_{bw_k}(u_i,v_i)x_{ik} + \epsilon_i \]

MGWRдеги негизги өзгөрүү \(bw_k\). Ар бир \(k\) өзгөрмөнүн өзүнүн оптималдуу тилке кеңдиги болушу мүмкүн. Ошентип, бир өзгөрмө кең географияда окшош байланыш көрсөтсө, башка өзгөрмө кыйла жергиликтүү процесс катары моделдениши мүмкүн.

Булак чоң адаптивдүү тилке кеңдиктерин — мисалы 864 — үлгүнүн камтуусуна жакындаган quasi-global байланыштардын көрсөткүчү катары; 43 же 44 сыяктуу кичине тилке кеңдиктерин болсо көбүрөөк жергиликтүү жана контекстке көз каранды механизмдердин көрсөткүчү катары чечмелейт.

Моделди баалоо метрикалары эмнени билдирет?

• RSS — Residual Sum of Squares: Модель божомолдору менен байкалган көз каранды өзгөрмөнүн ортосундагы калдык каталардын жалпы чоңдугун баалайт. Бирдей маалымат жана салыштыруу тартибинде төмөн маани күчтүүрөөк дал келүүнү көрсөтөт.
• AIC жана AICc: Моделдин дал келүүсүн жана татаалдыгын бирге баалаган маалымат критерийлери. AICc кичине үлгү/эффективдүү параметр таасири үчүн оңдолгон түрү. Бирдей салыштырууда төмөн маани артык көрүлөт.
• R²: Модель көз каранды өзгөрмөдөгү вариациянын канча бөлүгүн ошол эле маалыматта түшүндүрөрүн көрсөтөт.
• Adjusted R²: Кошумча өзгөрмө же модель татаалдыгы R²ни механикалык түрдө көтөрүшүн жарым-жартылай жазалаган оңдолгон өлчөм.
• ENP — Effective Number of Parameters: OLSте чындап бааланган параметрлердин санын, GWR/MGWRде болсо мейкиндиктик салмактоо алдындагы эффективдүү модель татаалдыгын билдирет.

NQPFтин алгачкы мейкиндиктик бөлүштүрүлүшү

KDE жыйынтыгында NQPF бети бир борборлуу эмес. Булак муну “Xiamen өзөгү – Quanzhou экинчи борбору – Zhangzhou алсыз агломерациясы” деп сүрөттөлгөн бөлүкчөлүү жана көп борборлуу түзүлүш катары билдирет.

Эң жогорку тыгыздыктар Xiamenдеги Siming жана Huli райондорунда байкалат. Quanzhouда Licheng, Fengze жана Jinjiang экинчи кластерлерди түзөт. Zhangzhouда Xiangcheng, Longwen жана Longhai алсызыраак агломерацияларды көрсөтүп, авторлор муну Xiamenден келген жайылуу таасирлери менен байланыштырышат. Түштүк жана батыш Zhangzhou менен Quanzhouнун тоолуу батыш бөлүктөрүндө KDE маанилери кыйла төмөн.

Бул мейкиндиктик түшүндүрмө булак карталарына негизделет. Карталардагы чек аралар, административдик геометрия жана бекитилген картографиялык катмарлар болжолдуу түрдө кайра чийилген эмес.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

OLS алдын ала диагностика жыйынтыктары

Moran's I талдоосунан кийин курулган чөйрө өзгөрмөлөрү үчүн OLS алдын ала диагностика модели түзүлгөн. VIF чыгаруу процессинен кийин 18 өзгөрмө сакталган.

Булакта *** p < 0,01, ** p < 0,05 жана * p < 0,1 дегенди билдирет.

OLS деңгээлинде курулуш тыгыздыгы, кесилиш тыгыздыгы, жер пайдалануунун аралаштыгы, өсүмдүк каптоосу жана билим берүү объектилери NQPF менен оң; имараттын орточо бийиктиги, бийиктик, каржы кызматтары жана leisure services болсо терс багытта маанилүү байланыш көрсөтөт. Бирок авторлор бул глобалдык OLS коэффициенттерин мейкиндиктин бардык жеринде бирдей иштеген механизмдер катары чечмелөөгө болбой турганын өзгөчө белгилешет. OLS бул жерде мейкиндик боюнча өзгөргөн моделдерге өтүү үчүн көбүрөөк глобалдык баштапкы салыштыруу болуп саналат.

OLS, GWR жана MGWR моделдеринин дал келүүсүн салыштыруу

OLS эң жогорку RSS жана эң төмөн R² маанилерин берет. GWR коэффициенттердин мейкиндикте өзгөрүшүнө мүмкүнчүлүк бергенде модель дал келүүсү кыйла жакшырат. Бирок 7 өзгөрмөдөн 14 өзгөрмөгө өткөндө GWRдин R² мааниси 0,877 маанисинен 0,873 маанисине бир аз төмөндөп, AICc 5230,5 маанисинен 5315,8 маанисине көтөрүлөт. Булак муну татаалыраак түшүндүрүүчү системада бардык өзгөрмөлөргө бир эле жалпы мейкиндиктик масштабды мажбурлоо жетишсиз болушу мүмкүн деп чечмелейт.

MGWR болсо эки ички топтомдо тең эң төмөн RSS/AICc жана эң жогорку R² маанилерин берет. Он төрт өзгөрмөлүү MGWR ушул изилдөөнүн өз маалымат жана моделдөө шарттарында жалпысынан эң күчтүү in-sample дал келүүнү көрсөтөт.

MGWRдеги R² = 0,991 Эмне Үчүн “%99,1 Божомол Тактыгы” Дегенди Билдирбейт?

Анткени 0,991 мааниси көз карандысыз тест топтомундагы божомол тактыгы эмес, KDE менен мейкиндик боюнча жылмаланган жана Moran's I = 0,998 деңгээлинде өтө күчтүү автокорреляцияга ээ NQPF бетине MGWRдин ошол эле үлгү ичиндеги дал келүүсүн көрсөткөн R²; авторлор муну ачык түрдө тандоодон тышкаркы божомол ийгилиги же себептик идентификация катары чечмелешпейт.

Булак жогорку MGWR R² маанилерин үч негизги себептен улам этияттык менен чечмелөөнү талап кылат:

1. Көз каранды өзгөрмө компаниянын чийки натыйжасы эмес; KDE менен түзүлгөн үзгүлтүксүз жана мейкиндик боюнча жылмаланган NQPF бети.
2. Moran's I = 0,998 болгондуктан көз каранды өзгөрмө өтө күчтүү мейкиндиктик автокорреляцияга ээ.
3. MGWR ар бир жайгашуу үчүн жергиликтүү коэффициенттерди жана ар бир өзгөрмө үчүн ар башка мейкиндиктик тилке кеңдиктерин баалап, жылмакай, бирок мейкиндик боюнча стационардуу эмес байланыштарды глобалдык моделдерге караганда ийкемдүүрөөк дал келтирет.

Ошондуктан модель R² менен гана эмес; AICc, RSS, ENP, тилке кеңдиктери жана жергиликтүү коэффициенттердин үлгүлөрү менен бирге бааланган.

Жети өзгөрмөлүү parsimonious MGWR модели

Жети өзгөрмөлүү модель төмөнкү өзгөрмөлөрдөн турат:

• X1 курулуш тыгыздыгы
• X2 имараттын орточо бийиктиги
• X3 кесилиштердин тыгыздыгы
• X7 бийиктик
• X10 өсүмдүк каптоосу
• X23 билим берүү объектилери
• X25 саламаттык сактоо кызматтары

Бул моделде X3 кесилиштердин тыгыздыгы жана X25 саламаттык сактоо кызматтары бардык жергиликтүү коэффициенттерде оң болуп, 864 тилке кеңдигине ээ. Булак бул эки өзгөрмөнү үлгү ичинде near-global масштабда салыштырмалуу туруктуу негизги шарттар катары чечмелейт.

X1, X2, X7, X10 жана X23 болсо кыйла кичине тилке кеңдиктерине жана оң да, терс да жергиликтүү коэффициенттерге ээ. Ошондуктан алар бүт аймак үчүн бир багыттагы универсалдуу кыймылдаткычтар эмес.

Жети өзгөрмөлүү моделдеги мейкиндиктик үлгүлөр

Ички бөлүктөгү Yongchun–Dehua чек арасынын айланасында кесилиштердин тыгыздыгынын оң коэффициенттери өзгөчө күчтүү. Авторлордун чечмелөөсү боюнча, баштапкы жеткиликтүүлүгү төмөн аймактарда жол байланыштарынын жакшырышы факторлордун мобилдүүлүгү жана транзакциялык чыгымдар жагынан жогорураак маржиналдык жооп бере алат.

Xiamen жана Zhangzhouнун жетилген борборлорунда болсо курулуш тыгыздыгынын айрым күчтүү терс коэффициенттери пайда болот. Айрыкча Simingдин түштүк-батыштагы эски шаар өзөгүндө курулуш тыгыздыгы терс багытта айкын болсо, саламаттык сактоо кызматтары Xiamen аралында, борбордук Zhangzhouда жана чыгыш Quanzhou жээктеринде күчтүү оң байланыштарды көрсөтөт.

Бул жыйынтык “жогорку тыгыздык жаман” деген универсалдуу өкүм эмес. Булактын чечмелөөсү боюнча, өтө жетилген борборлордо жер басымы, тыгын жана функционалдык каныгуу көбөйгөндө кошумча физикалык тыгыздык мурдагыдай өндүрүмдүүлүк артыкчылыгын бербеши мүмкүн; жогорку деңгээлдеги кызматтар болсо талантты кармоо, эмгек рыногунун шайкештиги жана жашоо сапаты менен толуктоочу болушу мүмкүн.

Он төрт өзгөрмөлүү highest-performing MGWR модели

Он төрт өзгөрмөлүү модель жети өзгөрмөлүү өзөктү сактап, жер пайдалануунун аралаштыгы, дарыя тармагынын тыгыздыгы, мамлекеттик мекемелер, каржы кызматтары, жайгаштыруу, коомдук транспорт станциялары жана leisure services сыяктуу функционалдык/институционалдык өзгөрмөлөрдү кошот.

Бул кеңейтилген моделде X3 кесилиштердин тыгыздыгы, X14 каржы кызматтары, X22 коомдук транспорт станциялары жана X26 leisure services бардык gridдерде оң жергиликтүү коэффициенттерге жана 864 тилке кеңдигине ээ. Булак аларды он төрт өзгөрмөлүү спецификацияда quasi-global байланыштар катары чечмелейт.

X13 мамлекеттик мекемелердин коэффициенттери gridдердин %84,05 бөлүгүндө оң. Ал эми жер пайдалануунун аралаштыгы, дарыя тармагы, жайгаштыруу, билим берүү жана саламаттык сактоо сыяктуу өзгөрмөлөрдө белги алмашуусу айкын.

Саламаттык сактоо өзгөрмөсүнүн эки моделдин ортосунда өзгөрүшү эмне үчүн маанилүү?

Жети өзгөрмөлүү моделде X25 healthcare орточо коэффициенти 0,112, оң коэффициент үлүшү %100 жана тилке кеңдиги 864. Он төрт өзгөрмөлүү моделде орточо коэффициент −0,135 маанисине, оң үлүш %34,10 маанисине жана тилке кеңдиги 44 маанисине өзгөрөт.

Авторлор муну “саламаттык сактоо кызматтары чынында зыяндуу” деп чечмелешпейт. Parsimonious моделде healthcare өзгөрмөсү шаардык борборлуулук, кызматтардын бүтүндүгү же жалпы amenity сапаты сыяктуу кеңири өзгөчөлүктөрдүн бир бөлүгүн proxy катары алып жүрүшү мүмкүн; каржы, коомдук транспорт, leisure, мамлекеттик мекеме жана жер пайдалануунун аралаштыгы моделге кошулганда бул жалпы түшүндүрүүчү күч ажыратылат деп сунушталат.

Ошондуктан кең моделдеги X25 коэффициенти байыраак функционалдык контекст менен шартталган таза жергиликтүү байланышка жакындайт. Ушул эле логика билим берүү объектилери жана өсүмдүк каптоосу коэффициенттериндеги өзгөрүүлөр үчүн да колдонулат.

Тилке кеңдиктери эмнени көрсөтөт?

Бул таблица MGWR эмне үчүн жөн гана “ар жерде ар башка коэффициент” модели эмес экенин көрсөтөт. Модель ошол эле учурда ар бир өзгөрмө кайсы мейкиндиктик масштабда өзгөрөрүн баалайт.

Биринчи механизм: экологиялык шайкештик

Изилдөөдө табигый чөйрө өзгөрмөлөрүнүн таасири бир багыттуу эмес. Бийиктик, дарыя тармагы жана өсүмдүк каптоосу сыяктуу өзгөрмөлөр өтө кичине же орточо тилке кеңдиктерине ээ болуп, коэффициент белгилери жайгашууга жараша өзгөрүшү мүмкүн.

Айрыкча түндүк ички Quanzhouдагы Yongchun–Dehua чек арасынын айланасында кесилиш тыгыздыгынын маржиналдык оң байланышы күчтүүрөөк. Авторлор муну базалык жеткиликтүүлүгү начар аймактарда байланыштын жакшырышы факторлордун мобилдүүлүгү жана транзакциялык чыгымдар жагынан чоңураак жооп бере алышы менен байланыштырышат.

Бирок бул жыйынтык “көбүрөөк жол бардык жерде NQPFти көбөйтөт” деген себептик саясат далили эмес. Коэффициенттери жогору болгон аймактар изилдөө моделиндеги мейкиндиктик байланыш үлгүлөрү.

Экинчи механизм: түзүмдүк координация жана жетилген борборлордогу жыштык

Simingдин жетилген шаар борбору менен Quanzhouдагы Licheng–Fengze өзөгүндө курулуш тыгыздыгы, жер пайдалануунун аралаштыгы жана айрым коомдук кызмат өзгөрмөлөрү айрым жерлерде терс коэффициенттерге өтөт.

Булак муну жөн эле “тыгыздык жаман” деп түшүндүрбөйт. Өнүккөн шаар өзөгүндө жер баалары, транспорттук сүрүлүү, функционалдык кабатташуу, кызмат атаандаштыгы жана мейкиндиктик каныгуу көбөйгөндө кошумча объект же кошумча курулуш тыгыздыгынын таза жергиликтүү салымы алсыраш мүмкүн.

Ал эми өнүгүү этабы уланып жаткан Zhangzhou өзөгүндө каржы, коомдук транспорт жана leisure services үчүн күчтүү оң коэффициенттүү аймактар кабатташат. Авторлор муну ар башка өнүгүү баскычындагы шаарлар бир эле кызмат топтолушуна бирдей жооп бербегенин көрсөткөн асимметрия катары чечмелешет.

Үчүнчү механизм: чек араны активдештирүү

Изилдөөнүн эң айкын жыйынтыктарынын бири — инновацияга багытталган өндүрүмдүүлүк салттуу борборлордо гана топтолууга милдеттүү эмес экенин көрсөтүшү.

Longhaiнин Simingге караган жээк тилкеси, Jimei–Tong'an чек арасы жана Hui'an–Fengze интерфейси сыяктуу аймактар айрым модель коэффициенттеринде жогорку сезимталдык көрсөтөт. Бул жерде мамлекеттик мекемелер, саламаттык сактоо кызматтары, транспорт жана башка функциялар борбордон пассивдүү тараган таасирлер катары гана эмес, чек ара аймактарындагы функцияларды кайра уюштуруунун бөлүктөрү катары каралат.

“Чек араны активдештирүү” ошондуктан жөн гана шаар сыртына жайылуу эмес. Авторлордун алкагында административдик, транспорттук жана кызмат ресурстары интерфейс аймактарында кайра биригет.

Эки модель эмне үчүн чогуу окулушу керек?

Жети өзгөрмөлүү модель “кайсы негизги факторлор түзүмдүк өзөктү түзөт?” деген суроого жакыныраак жооп берет. Он төрт өзгөрмөлүү модель болсо “ар башка функциялар жана өнүгүү баскычтары кошулганда бул факторлордун байланышы кайда жана кантип кайра уюшулат?” деген суроону ачат.

Ошондуктан бир өзгөрмөнүн эки моделдин ортосунда коэффициентин өзгөртүшү автоматтык түрдө карама-каршылык эмес. Өзгөрмө мурдагы моделде башка шаар өзгөчөлүктөрү үчүн proxy катары иштеп, кеңейтилген моделде бул жалпы түшүндүрүүчү күч каржы, транспорт, институционалдык ресурс же кызмат өзгөрмөлөрүнүн ортосунда бөлүнүшү мүмкүн. Булак айрыкча healthcare, билим берүү жана өсүмдүк каптоосу мисалдарында ушул чечмелөөнү колдонот.

Изилдөө колдогон табылгалар

• NQPFтин KDE бети XZQ аймагында өтө күчтүү мейкиндиктик топтолууну көрсөтөт; Moran's I 0,998 деп билдирилген.
• OLSтин глобалдык туруктуу коэффициент модели GWRге жана айрыкча MGWRге салыштырмалуу төмөн in-sample дал келүүнү көрсөтөт.
• Жети өзгөрмөлүү parsimonious model аз өлчөмдүүлүк менен негизги түзүмдүк факторлорду ажыратуу үчүн колдонулушу мүмкүн.
• Он төрт өзгөрмөлүү модель RFE-CV этабында эң жогорку Mean CV-R² маанисин, MGWR этабында болсо эң күчтүү жалпы in-sample модель дал келүүсүн берген.
• Кесилиштердин тыгыздыгы эки MGWR моделинде тең 864 тилке кеңдиги жана толугу менен оң жергиликтүү коэффициенттер менен туруктуу near-global өзгөрмө катары көрүнөт.
• Саламаттык сактоо, билим берүү, өсүмдүк каптоосу, жер пайдалануунун аралаштыгы жана башка айрым өзгөрмөлөрдүн коэффициенттери моделге жана жайгашууга жараша белги өзгөртө алат.
• Жетилген шаар борборлору, өсүп жаткан борборлор, чек ара аймактары жана ички экологиялык аймактар бир эле курулган чөйрө факторлоруна бирдей жооп бербейт.

Изилдөө колдобогон жыйынтыктар

• Курулган чөйрө өзгөрмөлөрү NQPFтеги өзгөрүүлөрдү себептик түрдө жаратары далилденген эмес.
• MGWR R² = 0,991 мааниси %99,1 чыныгы дүйнөдөгү божомол тактыгын билдирбейт.
• XZQда табылган коэффициенттер башка өлкөлөрдө же шаарларда да ошондой болору көрсөтүлгөн эмес.
• Бир өзгөрмөнүн белгилүү аймакта терс коэффициентке ээ болушу ошол кызмат же түзүлүш жалпысынан “зыяндуу” экенин далилдебейт.
• 864 тилке кеңдигине ээ оң байланыш эксперименталдык кийлигишүү бүт аймакта ошол эле натыйжа берет дегенди далилдебейт.
• KDE аркылуу алынган үзгүлтүксүз NQPF бети 600 m gridдерде түз байкалган компания өндүрүмдүүлүгү эмес; компания чекиттеринен түзүлгөн мейкиндиктик таралуу бети.

Изилдөөнүн негизги чектөөлөрү

Себептүүлүк: Изилдөө байкоочу жана кесилиштик. Курулган чөйрө өзгөрмөлөрү өндүрүмдүүлүктү багыттайт деп болжолдонсо да, тескери себептүүлүктү же саясат шокторун, тарыхый өнүгүүлөрдү жана башка байкалбаган аралаштыруучу факторлорду четтетүүгө болбойт.

Маалымат proxyлери: Коомдук кызмат жана POI негизиндеги көрсөткүчтөр чыныгы жеткиликтүүлүк, кызмат сапаты же кубаттуулуктагы майда айырмачылыктарды толук чагылдырбашы мүмкүн.

Жергиликтүү коэффициенттин белгисиздиги: MGWR көп сандаган жергиликтүү коэффициенттерди чыгарат. Авторлор multiple testing жана жергиликтүү коэффициент белгисиздиги көйгөйүн кабыл алышат. Изилдөө туруктуураак үлгүлөргө басым жасаган; келечек үчүн inferential correction же Bayesian spatial modeling сунушталган.

KDE тилке кеңдиги: 1,5 km тилке кеңдиги туруктуу тандалган. Авторлор альтернативдүү KDE тилке кеңдиктери келечекте сезимталдык талдоосу менен сыналышы керектигин белгилешет.

Жалпылоого мүмкүнчүлүк: Өзөк–чек ара–экология типологиясы башка шаар аймактарында же өлкөлөрдө кайталап текшерилиши керек.

Убакыт өлчөмү: Кесилиштик түзүлүш өзгөрмөлөрдүн убакыт ичиндеги өзгөрүшүн жана динамикалык себептүүлүктү түз көрсөтпөйт. Авторлор келечекте longitudinal маалымат, quasi-experimental дизайндар, difference-in-differences, мейкиндиктик panel жана spatio-temporal моделдерди сунушташат.

Тандоодон тышкаркы текшерүү: Өтө жогорку MGWR R² маанилерине карабастан, көз карандысыз текшерүү үлгүлөрү жана spatial cross-validation аркылуу божомолдун туруктуулугун өзүнчө баалоо керек.

Келечектеги изилдөөлөр үчүн сунушталган багыттар

Булак жаңы автомагистраль ачылыштары сыяктуу окуяларда difference-in-differences дизайндарын колдонуу, шаарлар аралык тармактар жана эмгек агымдары сыяктуу жаңы өзгөрмөлөрдү кошуу, MGWRдин статистикалык масштабдарын операциялык шаар масштабдары менен ачыгыраак байланыштыруу, ар башка шаар аймактарында тышкы текшерүү жүргүзүү, MGWRди машиналык үйрөнүү менен бириктирүү, spatio-temporal модель куруу, альтернативдүү KDE тилке кеңдиктерин сыноо жана көз карандысыз текшерүү үлгүлөрүн колдонууну келечектеги изилдөө багыттары катары көрсөтөт.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска аталышы: Modeling the Built Environment’s Role in Shaping Innovation-Oriented Productivity Through a Spatially Heterogeneous Lens

Авторлор: Yan Gu; Yifei Hou; Yudie Zhang; Ruoxi Zhang; Lemin Zhang.

Corresponding authors: Yan Gu жана Ruoxi Zhang.

Тең салым: Булакта тең биринчи автор/тең салым белгиси билдирилген эмес.

Мекеме 1: The Environmental Sustainability Research Centre (ESRC), Fuzhou University, Xiamen 361000, China.

Мекеме 2: School of Architecture and Civil Engineering, Xiamen University, Xiamen 361005, China.

Журнал: Urban Science.

Басма: MDPI, Basel, Switzerland.

Том / сан / макала: Volume 10, Issue 7, Article 402.

DOI: 10.3390/urbansci10070402.

Расмий шилтеме: https://doi.org/10.3390/urbansci10070402

Жөнөтүлгөн: 11 Январь 2026.

Ревизия: 11 Май 2026.

Кабыл алынган: 4 Июнь 2026.

Жарыяланган: 10 Июль 2026.

Булак түрү: Article; байкоочу, кесилиштик, мейкиндиктик эконометрикалык/шаардык талдоо изилдөөсү.

Рецензия абалы: Рецензияланган Urban Science журналында жарыяланган Version of Record макаласы.

Лицензия: Creative Commons Attribution (CC BY).

Үлгү: Xiamen–Zhangzhou–Quanzhou шаардык агломерациясындагы 89 жергиликтүү A-share биржасында листингден өткөн компания.

Негизги мейкиндиктик бирдик: 600 m × 600 m grid.

NQPF өлчөөсү: 11 каржылык жана операциялык көрсөткүчтү Энтропиялык Салмак Ыкмасы менен курамдык индекске айландыруу.

KDE: ArcGIS 10.8; булакта тилке кеңдиги 1,5 km деп билдирилген.

RFE-CV: Python 3.13.5; беш бүктөмдүү кайчылаш текшерүү.

MGWR: MGWR Version 2.1.2, Spatial Analysis Research Center, Tempe, Arizona, USA.

Каржылоо: General Project of MOE Foundation for Humanities and Social Sciences, Youth Project, 23YJCZH058; Fujian Provincial Social Science Foundation Key Project, FJ2023A014; National Natural Science Foundation of China, 52478072; General Project of Fujian Provincial Social Science Fund, FJ2024B209.

Этика комитети: Изилдөө жалпыга ачык, анонимдештирилген маалымат булактарына негизделгендиктен этикалык кароо жана маалымдалган макулдук талап кылынбаганы билдирилген.

Маалымдалган макулдук: Колдонулбайт.

Маалыматтын жеткиликтүүлүгү: Макаланын жыйынтыктарын колдогон чийки маалыматтар авторлордон суроо-талап боюнча берилери айтылат.

Кызыкчылыктардын кагылышы: Авторлор competing interests жок экенин билдиришет.

Авторлордун салымы: Концептуалдаштыруу Yan Gu; методология Yan Gu, Yifei Hou жана Yudie Zhang; программалык камсыздоо Yan Gu, Yifei Hou жана Yudie Zhang; валидация Yan Gu жана Yifei Hou; формалдык талдоо бардык авторлор; изилдөө Yan Gu, Yifei Hou жана Yudie Zhang; ресурстар Yan Gu, Ruoxi Zhang жана Lemin Zhang; алгачкы долбоор Yan Gu; кароо жана редакциялоо Yan Gu жана Yifei Hou; визуалдаштыруу Yan Gu жана Yifei Hou; жетекчилик Yan Gu жана Ruoxi Zhang; долбоорду башкаруу Yan Gu, Ruoxi Zhang жана Lemin Zhang; каржылоону камсыз кылуу Yan Gu, Ruoxi Zhang жана Lemin Zhang.

Булактын ичиндеги көрсөткүч эскертүүсү: Макаланын тексти курулган чөйрөнүн 27 талапкер өзгөрмөсү жөнүндө айтат; жарыяланган 1-таблица көрүнгөн түрдө X1–X26ны көрсөтөт. Кийинки бөлүмдө “census population (X27)” деген сөз айкашы бар жана ыкма population density (POP) өзгөрмөсү VIF скринингинен мурун чыгарылганын да айтат. Жетишпеген таблица сабы булактан так чечилбегендиктен Verianla бул жерди булакта кандай болсо ошондой белгисиз калтырган.

Коддоо эскертүүсү: Land Use Mix Index булак 1-таблицасында MLU, айрым кийинки таблицаларда MUL жана RFE өзгөрмөлөр тизмесинде mlu деп жазылган. Илимий өзгөрмө X5 Land Use Mix Index; Verianla булактагы код айырмасын жаңы өзгөрмө катары чечмелеген эмес.

Теңдеме эскертүүсү: KDE Теңдеме (3) булак PDFте \(1/(nh)\) көбөйткүчү менен жарыяланган. Verianla формуланы башка стандарттуу KDE туюнтмасына айландырган эмес жана булакта жазылган математиканы сактаган.

Негизги методологиялык чек: Изилдөө кесилиштик жана байкоочу. MGWR коэффициенттери мейкиндиктик байланыш үлгүлөрүн көрсөтөт, себептүүлүктү далилдебейт. Өтө жогорку MGWR R² маанилери KDE менен жылмаланган, жогорку автокорреляциялуу көз каранды беттеги in-sample түшүндүрүү жөндөмү; көз карандысыз тест көрсөткүчү эмес.