发帖
雷达卡
[color=rgba(0, 0, 0, 0.85)][color=rgba(0, 0, 0, 0.85)]
各位经管、人文地理、区域经济方向坛友大家好！
长期做城市尺度空间实证的同学应该都会遇到传统计量模型的痛点：普通 OLS、空间杜宾、GWR 只能捕捉线性效应；基础 SHAP 值割裂经纬度坐标，无法统一识别空间区位带来的差异化驱动作用，机器学习黑箱解释力不足，论文创新点很难突出。今天给大家分享近年顶刊推出的 GeoShapley 完整研究工具包，包含原版中英文核心论文、适配 Python 可运行代码。
一、GeoShapley 方法基础介绍
- 方法起源
由 Li（2023-2026）提出，发表于 AAG 官方期刊，是博弈论 Shapley 值体系的地理空间拓展可解释 AI 模型，2026 年更新 v0.2.0 高效树模型版本 GeoShapleyTreeExplainer，适配 XGBoost、LightGBM 等主流树模型，大幅降低运算耗时。
核心创新：将经纬度 XY 坐标视作统一联合空间特征，不再拆分经度、纬度单独计算贡献，能够同时量化：
① 各类自变量全局非线性影响；
② 区位本身带来的空间异质性效应；
③ 变量与地理位置的交互协同作用。 - 对比传统模型核心优势（写论文创新点直接复制）
（1）优于空间计量（SDM/GWR/MGWR）：不强制线性假设，精准捕捉门槛效应、非线性关系；
（2）优于普通 SHAP 值：解决基础 SHAP 割裂空间坐标、丢失区位交互信息的硬伤；
（3）优于地理探测器：不仅能识别因子解释力，还可量化每个城市单元的局部差异化贡献，输出可视化空间分异图，实证结果更丰富；
（4）适配树基机器学习，预测精度更高，同时兼顾学术可解释性。 - 适用研究方向（覆盖论坛绝大多数同学选题）
- 区域经济：城市产业、数字创新、AI 专利、外贸开放度空间分异；
- 城市治理：公共服务、营商环境、房价、生态环境空间差异研究；
数据硬性要求：地级市 / 区县栅格面板，每条样本附带经纬度坐标。 - 本人刚好整理了2025中国295个城市统计年鉴所有数据，可以看我另一个数据帖子，变量数据直接拿来用！！
二、本次分享文件说明（附件打包上传）
附件 1：作者本人收集整理的GeoShapley 相关原版中英文论文
- 包括核心基准论文《GeoShapley: A Game Theory Approach to Measuring Spatial Effects in Machine Learning Models》（AAG Annals），完整理论推导、实证案例，论文可直接参考；
- 相关论文可以借鉴参考
-
附件 2：全套可运行 Python 代码
- 官方开源包完整 demo，含数据读取、模型训练、GeoShapley 值计算、可视化绘图全套流程；
-
三、实操流程极简说明
- 基准建模：XGBoost/LightGBM 构建非线性基准模型；
- GeoShapley 解释：区分非空间因子效应、区位空间效应、交互效应；
- 异质性分析：分东中西部、城市群对比变量驱动差异；
- 可视化输出：导出空间图层，绘制论文核心空间异质性图。
五、补充说明
- 工具包开源免费，无版权限制，代码、论文均可直接用于毕业论文、期刊实证；
- 若搭配我上一帖发布的 295 个城市完整城市统计年鉴数据，可直接做城市层面的实证研究。
-
耗时整理全套文献与代码，解决很多同学找不到完整实操案例、看不懂原始英文文献的难题，做空间机器学习实证的朋友欢迎自取，有代码运行、模型论文写作相关问题可以在评论区留言交流，手动整理收集，收取一点人工费，希望理解，祝大家实证顺利、论文录用！
[color=rgba(0, 0, 0, 0.85)]
京公网安备 11010802022788号
