Geo Detector是 用Excel编制的地理探测器软件, 可从以下网址免费下载:http://www.geodetector.org/。
地理探测器方法简介
地理探测器（Geographical Detector）是一种用于识别空间分异特征及其驱动因素的统计分析方法，最早由王劲峰等学者提出，广泛应用于地理学、生态环境研究、公共健康及社会经济等领域。该方法以“空间一致性”为核心思想，强调解释变量与因变量在空间分布上的一致程度，从而判断影响因素对研究对象空间差异的解释力。[1]
“基本思想是:假设研究区分为若干子区域, 如果子区域的方差之和小于区域总方差, 则存在空间分异性;如果两变量的空间分布趋于一致, 则两者存在统计关联性。”（王老师论文提及，下文有链接）
我认为：原理是借助方差工具，将研究区（整体、局部）进行分析，然后找出“同”与“不同”。如果同的面积（或者比重、数值更大）更多，就是相关性高，反之。
与传统回归分析不同，地理探测器不以线性关系或正态分布为前提假设，而是通过比较不同分区内部与整体的方差差异，定量刻画影响因子对空间分异的贡献程度。这一特性使其在处理非线性关系、多因子耦合及复杂空间异质性问题时具有明显优势。（所以一般用于时空分布的驱动力分析）
基本原理
地理探测器的核心逻辑在于：若某一影响因子对研究对象具有显著作用，则研究对象在该因子划分的空间分区内应表现出相对较小的差异，而在不同分区之间表现出较大的差异。基于这一思想，地理探测器通过构建解释变量分区内方差与整体方差之间的关系，来衡量该因子的解释能力。
其结果通常以q 值表示，取值范围为 0～1。q 值越大，说明该因子对研究对象空间分异的解释力越强；q 值为 0 表示几乎不具有解释作用。
主要类型
地理探测器方法主要包括以下几类：
因子探测器
用于定量评估单一影响因子对研究对象空间分异的解释力，是地理探测器中应用最为广泛的类型。交互探测器
用于分析两个因子共同作用时的解释力变化，判断其作用关系是增强、减弱还是相互独立，有助于揭示多因子耦合机制。 自己理解：因子与因子之间的作用可能出现一加一大于2的效果，那么两个因子的“综合作用”肯定是高于单一因子，即对整体区域的影响力大一些。所以不仅要分析单一因子也需要分析综合因子对研究对象的影响。（后面两个我用的不多，王老师文章后面有案例分析，可以自己看看）
风险探测器
通过比较不同分区内研究对象的均值差异，识别高值或低值风险区，常用于环境风险与健康风险研究。生态探测器
用于比较不同影响因子解释力之间是否存在显著差异，从而判断哪一因子在解释空间分异中更具主导性。
方法优势
地理探测器具有以下显著优势：
一是对数据分布假设要求较低，适用于非线性与非正态数据；
二是能够有效刻画空间异质性，避免忽视空间结构带来的偏差；
三是操作直观，结果解释性强，便于结合实际问题进行分析；
四是适合多因子综合分析，尤其适用于复杂自然—社会系统研究。
适用性与局限性
地理探测器特别适用于研究具有明显空间分异特征的现象，如生态环境质量、土地利用变化、灾害风险分布等。但该方法对因子分区方式较为敏感，不同的分类方法可能影响分析结果，因此在实际应用中需结合研究背景合理设定分区方案，并对结果进行审慎解释。
注：上述内容来源于ai与其他网站，截图与基本概念信息来源王老师论文，自己学习记录用，欢迎各位交流与补充。
推荐参考文献：[1]王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(01):116-134.
高效完成鸿蒙C/C++编译)
