空间分析是地理信息科学的重要内容，本书以空间分析中经典的局部回归方法——时空地理加权回归为核心，介绍了应用该方法如何开展多重共线性诊断和特征变量选取建模，**针对不同场景对方法进行改造优化，并详细介绍时空地理加权混合回归、时空地理加权自回归、局部多项式时空地理加权回归、时空卷积神经网络加权回归和时空地理加权的半监督回归方法，可以为从事地理、测绘、地质、环境等相关领域研究的科研人员与研究生阅读参考。

第1章 绪论 1.1 地理加权回归研究现状 1.2 时空地理加权研究现状 1.3 时空地理加权回归应用领域 第2章 时空地理加权回归模型基本理论 2.1 地理加权回归模型 2.2 时空地理加权回归模型 2.3 时空非平稳性检验 2.4 本章小结 第3章 时空地理加权回归的共线性诊断方法 3.1 全局共线性诊断方法分析 3.2 时空地理加权回归共线性诊断主要方法 3.3 方法验证和应用 3.4 本章小结 第4章 时空地理加权回归的特征变量选取方法 4.1 特征变量选取方法分析 4.2 基于贪心算法的特征变量选取方法 4.3 基于逐步回归的特征变量选取方法 4.4 方法验证和应用 4.5 本章小结 第5章 时空地理加权混合回归方法 5.1 全局平稳性研究分析 5.2 混合地理加权回归 5.3 时空地理加权混合回归方法 5.4 方法验证和应用 5.5 本章小结 第6章 时空地理加权自回归方法 6.1 时空地理加权自回归 6.2 GTWAR模型的两阶段*小二乘估计方法 6.3 空间自相关分析 6.4 方法验证和应用 6.5 本章小结 第7章 局部多项式时空地理加权回归方法 7.1 LPGTWR模型 7.2 基于泰勒级数的加权*小二乘估计 7.3 算法流程 7.4 方法验证和应用 7.5 本章小结 第8章 时空卷积神经网络加权回归方法 8.1 时空卷积神经网络加权回归 8.2 GTCNNWR模型的估计方法 8.3 方法验证和应用 8.4 本章小结 第9章 时空地理加权的半监督回归方法 9.1 半监督学习 9.2 时空地理加权半监督回归主要方法 9.3 方法验证与应用 9.4 本章小结 第10章 结论与展望 10.1 结论 10.2 展望 参考文献