r.regression.linegrass - 云端在线

程序：

您的姓名

r.回归线 - 从两个光栅图计算线性回归：y = a + b*x。

关键词

栅格、统计、回归

概要

r.回归线
r.回归线 - 帮帮我
r.回归线 [-g] 地图=姓名 地图=姓名 [产量=姓名] [--覆盖] [--帮助]
[--详细] [--安静] [--ui]

标志：
-g
以 shell 脚本样式打印

--覆盖
允许输出文件覆盖现有文件

- 帮帮我
打印使用摘要

--详细
详细模块输出

- 安静的
静音模块输出

--用户界面
强制启动 GUI 对话框

参数：
地图=姓名 [必需的]
x 系数的映射

地图=姓名 [必需的]
y 系数的映射

产量=姓名
用于存储回归系数的 ASCII 文件（如果文件不是，则输出到屏幕
指定的）。

商品描述

r.回归线 根据两个栅格地图计算线性回归
公式
y = a + b*x
哪里
x
y
表示输入栅格地图。

或者，它将回归系数保存为 ASCII 文件。 结果包括
以下系数：偏移/截距（a）和增益/斜率（b），相关系数
(R)、元素数 (N)、平均值 (medX, medY)、标准偏差 (sdX, sdY) 和 F
test 检验回归模型作为一个整体的显着性（F）。

附注

偏移/截距 ​​(a) 和增益/斜率 (b) 的结果与获得的结果相同
来自 R-stats 的 lm() 函数。

例

北部提供的两个 DEM（SRTM 和 NED，分辨率均为 30m）的比较
卡罗莱纳州样本数据集：
g.region 栅格=elev_srtm_30m -p
r.regression.line mapx=elev_ned_30m mapy=elev_srtm_30m
y = a + b*x
a（偏移量）：-1.659279
b（增益）：1.043968
R (sumXY - sumX*sumY/N)：0.894038
N（元素数）：225000
F（F-检验显着性）：896093.366283
meanX（map1 的平均值）：110.307571
sdX（map1 的标准差）：20.311998
meanY（map2 的平均值）：113.498292
sdY（map2的标准差）：23.718307

使用脚本样式标志 AND 评估 使结果在 shell 中可用：
g.region 栅格=elev_srtm_30m -p
评估`r.regression.line -g mapx=elev_ned_30m mapy=elev_srtm_30m`
# 打印结果存储在各个变量中
回声$a
-1.659279
回声 $b
1.043968
回声 $R
0.894038

使用 onworks.net 服务在线使用 r.regression.linegrass