背景
在ArcGIS Server中，当我们发布完一个服务，例如WMS或者WMTS，可以点击服务的缩略图，通过ArcGIS Server内置的JavaScript Viewer查看服务。



通过检查元素，我们可以看到其调用的JS文件和样式文件都是使用在线的，所以在断网或者离线的局域网环境中，就查看不了服务。因此需要在离线环境下部署ArcGIS API for JavaScript。

这里以1

本视频中英字幕由@Esri中国 KBP字幕组 翻译制作
这是正片的第二集，用了三个事例，讲述美国的波特兰市如何在智慧城市作出首次实践，UPS公司使用地理空间技术如何在物流方面降低成本和提高效率的，面对肥胖社会的严重事实，Food Trust项目又是如何在超级市场选址上改善国民体质的。

----------------------------------------------------

SportUV是2005年，由以色列计算机科学家Gal Oz和Miky Tamir 创立的，其实，最早这两位大牛是搞导弹跟踪和高级光学识别的……然后基于这个学识背景，他们专门创立了一套用于识别体育比赛中球员位置信息的系统。

这种系统是利用高挂在比赛场地上方的摄影机进行追踪拍摄，如下所示：原理就是三角定位+图像识别，搞GPS和计算机的，都应该对这原理很熟悉了，我这里就不罗嗦了。

本章有数学公式……对数学过敏者慎入……

前文再续，书接上一回……上一次说到，在改进全局回归的基础上，GWR终于横空出世了，从此空间分析领域终于有了自己专用的回归算法。如果说，空间统计有别于经典统计学的两大特征：空间相关性和空间异质性，莫兰指数等可以用来量化空间相关性，那么地理加权回归，就可以用来量化空间异质性。

在对全局回归问题的改进中，局部回归可以说是最简单的方法，GWR继续应用了

本来这一章准备直接写（照抄）ArcGIS的帮助文档，写地理加权回归工具的使用……，然后就直接结束地理加权回归的，但是近来收到不少同学的邮件，很多都是掉在了当年虾神挖出的大坑里面，比如写了方法，没有列出公式，又比如写了公式木有推导过程（……作为高数战五渣的虾神，推导这种事，他认识我，我不认识他……）

所以这次写GWR的时候，尽量少挖点坑，把该写的东西都写完，一者为了以后路过的同学少掉点坑，二

对于可视化来说，GIS有先天的优势……俺们天生就是画地图的，不过首先要限于可空间化的情况下……如果要分析的数据非空间数据，结果也没有空间化的可能，那么就凉拌了。

不过大家放心啦，作为微信平台里面专门讲空间分析和空间统计的公众号：虾神daxialu，老夫是不会让这种事情发生的……所以今天虽然还是讲回归分析，那么我也要弄成带有空间数据的回归可视化。

首先，还是用山东的数据吧……首先挑选了五

这是写概念的最后一节……从下一节开始，大家就可以告别枯燥的理论和概念了（此处应有掌声）

上一章节写到，地理加权中，空间关系的比广义的空间关系的限制要多得多，常用的就是用距离衰减的方法，而这种方法最常见的又是高斯函数以及扩展高斯函数方法，最后埋下了一个坑，高斯函数相关的算法，最重要的一个选择，就是带宽的定义。

讲到带宽这个词，实际上如果一直跟的同学，应该很熟悉了，我在《白话空间统计第二十

在讲GWR的ArcGIS应用之前，首先讲讲ArcGIS里面的OLS（Ordinary least squares：普通最小二乘法）工具的应用和解读，毕竟GWR是从回归分析里面演化出来的，OLS又是回顾分析里面最简单的算法，如果不了解OLS的意义，那么GWR结果的最后意义一样没没理解。

关于回归分析和OLS的基础算法，我就不在这里赘述了，大家有兴趣去看相关资料和我以前的文章，这篇就直接扣住Ar

前文再续，书接上一回。

上一节讲到解读OLS的结果第一页的表格，今天从第二页开始：



第二页分成两部分，下面这嘚吧嘚吧的一堆英文，实际上就是上面那些信息的解释，英语好的同学实际上看这个文档就可以了，如果懒得看，可以看虾神我嘚吧嘚吧的中文解释，如下：

1、Number of Observations 观测值的数量
也就是参与回归的样本数有多少个，我这里是山东全省的区

(再次接近6000字，诚意满满啊）

从这一章开始进入实际操作环节……首先还是用ArcGIS，毕竟这个东西比较容易。

实际上要说起来，GWR有专门的软件，叫做GWR，但是这个软件暂时我还没有用过，所以等我先学习一下，把他放到最后才说了，先用比较熟悉的，比如ArcGIS、比如R语言，这些来讲讲（还有一个我非常熟悉的软件是GEODA，可惜GEODA仅支持回归分析，不支持地理加权回归）。

首先确定一个概念，虾神此次在这里讲的“矢量数据空间分析”并非指的是那些高大上的诸如什么空间聚类、密度分析、插值神马的分析，而且专值的“矢量数据”的一些基础的图形操作，更准确的说，应该是指矢量数据相关的几何特征行为的空间关系和空间操作，也就是下面这些OGC规范里面的东西：




实际上这些都是空间分析里面最基础的一些内容，几乎可以归类到“查询”里面，属性的查询很容易被理解，空间上的查询比属

上一节把OLS最重要的一个表格解释完了，下面我们继续来解释OLS结果的其他内容。

结果报告的第三页，是对因变量与自变量相关性的一个检测：



会根据每组变量，形成一个自变量的分布柱状图（第一排）以及自变量和因变量组成的散点和回归图（第二排）。

首先要注意的是，OLS对自变量的分布是不是正态的，并不关心，但是如果Jarque-Bera统计量的P值指示，结果出现了偏差（也就是说残