ScholarGate
Assistent
Regression model

Regressió Ponderada Geogràficament (GWR)

La Regressió Ponderada Geogràficament (GWR) és un mètode de regressió local, introduït per Fotheringham, Brunsdon i Charlton (2002), que permet que els coeficients de regressió variïn a través de l'espai. En lloc d'una equació global única, ajusta un conjunt separat de coeficients en cada ubicació, capturant així l'heterogeneïtat espacial de les relacions.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Regressió Ponderada Geogràficament (GWR)
LISALa prova I de Moran sobr…Regressió per Mínims Qua…Model d'Error Espacial (…Model de Lag Espacial (S…Regressió Bayesià Geogrà…Regressió Geogràficament…Model bayesià d'espai de…Model d'Error Espacial B…Model Bayesà de Retard E…

+53 more

Fonts

  1. Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168

Com citar aquesta pàgina

ScholarGate. (2026, June 1). Geographically Weighted Regression (GWR). ScholarGate. https://scholargate.app/ca/spatial-analysis/geographically-weighted-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Citat per

Regressió Bayesià Geogràficament Ponderada (BGWR)Regressió Geogràficament Ponderada Bayesiana MultiescalaModel bayesià d'espai de DurbinModel d'Error Espacial BayesàModel Bayesà de Retard EspacialModel Espacial Bayesiano de PanelesRegressió Espacial BayesianaKriging Universal BayesianaCo-kriging: Interpolació Geostadística MultivariantCokrigingAnàlisi de Components Principals Ponderada Geogràficament (GWPCA)Geographically Weighted Random ForestModel Espacial Global de Durbin (SDM)Model d'Error Espacial Global (SEM)Model Espacial de Panells GlobalsAnàlisi de punts calents (Getis-Ord Gi*)Ponderació per distància inversa (IDW)Interpolarció espacial amb KrigingRegressió Geogràficament Ponderada Local (GWR)Indicadors Locals d'Associació Espacial (LISA)Kriging local (Kriging de finestra mòbil)Anàlisi espacial de xarxes localsKriging Ordinari LocalModel de Durbin Espacial LocalModel de Lag Espacial LocalRegressió espacial localKriging Universal LocalRegressió Geogràficament Ponderada Multiescala (MGWR)Índex I de MoranRegressió Geogràficament Ponderada Multiescala (MGWR)Autocorrelació espacial multiescalaAnàlisi espacial basada en xarxesKriging OrdinariRegressió Geogràficament Ponderada de Panells (Panel GWR)Kriging de panellRegressió Geogràficament Ponderada Multiescala de Panells (Panel MGWR)Autocorrelació Espacial de PanellsModel Panel Durbin EspacialModel d'Error Espacial de PanellRegressió Espacial de Dades PanellRobust Universal KrigingAnàlisi espacial basada en xarxes espai-tempsAutocorrelació espacial espaciotemporalModel d'Error Espacial EspaitemporalModel de Lag Espacial EspaciotemporalModel de Panell Espacial Espai-TempsRegressió Espaciotemporal de Dades PanellKriging universal espaciotemporalAutocorrelació espacialAnàlisi d'Impacte Causal EspacialAvaluació d'Impact Contrafactual Espacial (SCIE)Estimació Doblement Robusta EspacialModel de Durbin Espacial (SDM)Pesatge Probabilístic Invers Espacial (Spatial IPW)Model de Dades Panell Espacials (FE/RE)Ponderació per puntuació de propensió espacialAnàlisi de sensibilitat espacial per a la causalitatKriging Universal (Kriging amb Tendència)

Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →

ScholarGate — Geographically Weighted Regression (Geographically Weighted Regression (GWR)). Recuperat el 2026-06-15 de https://scholargate.app/ca/spatial-analysis/geographically-weighted-regression · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026