街道绿视率影响因素的多元线性回归
4.3.1变量及模型选取
为探究不同因素对街道绿视率的影响，本研究建立4个多元线形回归模型对全样本进行分析。在考虑绿化覆盖率和自然条件因素（模型1）的基础上，加入经济水平因素（模型2）、城市形态因素（模型3）来考察各类因素对街道绿视率的影响。采用IBW-SPSSP-P概率图对因变量（街道绿视率）进行分布检验，其分布与正态分布累积概率基本保持一致，符合正态分布，因此可采用多元线性回归模型进行拟合。
从模型的拟合信息（表2）看，4个模型的总体显著性均为0.000，模型4的R2和调整性R2高于模型1、2、3。说明综合绿化覆盖率、自然条件因素、经济水平因素和城市形态因素解释变量的模型（模型4）对于街道绿视率的解释度更高。下面对模型4的回归结果进行讨论。
4.3.2模型回归结果及分析
绿化覆盖率对街道绿视率具有显著的正向影响。城市绿化可分为沿街绿化和街块内的集中绿化，前者的绿化水平会直接反映在街道绿视率上，而后者也会在一定程度上呈现出对街道绿视率的影响，因此，高绿化覆盖率有利于实现高街道绿视率。
在自然条件因素中，年均晴天数对街道绿视率有显著负向影响，即年均晴天数越多，街道绿视率越低。晴天数较少的南方地区由于拥有更为茂盛的阔叶植物等原因，容易获得更高的街道绿视率。自然因素是影响街道绿视率表现的重要方面，这也与以往城市尺度的街道绿视率研究结果相符[37]。
在经济水平因素中，人均GDP和距城市中心的距离对街道绿视率有显著的正向影响。这可以解释为经济水平更高的地区能够获得更多绿化财政投入，从而增加城市绿地，并实施更科学合理的城市设计。相较于规划设计较为粗放的距城市中心区较远的地区，越接近城市中心意味着能够获得越多的财政支持，从而获得更为精细化的城市设计，由此获得更高的街道绿视率水平。
在城市形态因素中，平均街块面积显著负向影响街道绿视率，即平均街块面积越小，街道绿视率水平越高。其原因可能是小街块形成的密集路网带来了密集的人行绿道，这有利于小型城市绿地的布局。
