Regressió Geogràficament Ponderada Multiescala (MGWR)
La Regressió Geogràficament Ponderada Multiescala (MGWR), introduïda per Fotheringham, Yang i Kang el 2017, és un model de regressió espacial que permet que cada coeficient variï a través de l'espai a la seva pròpia escala espacial. Generalitza la Regressió Geogràficament Ponderada (GWR) atorgant a cada predictor la seva pròpia amplada de banda, de manera que algunes relacions poden actuar localment mentre que altres actuen gairebé globalment.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Fotheringham, A. S., Yang, W. & Kang, W. (2017). Multiscale Geographically Weighted Regression (MGWR). Annals of the American Association of Geographers, 107(6), 1247–1265. DOI: 10.1080/24694452.2017.1352480 ↗
- Oshan, T. M., Li, Z., Kang, W., Wolf, L. J. & Fotheringham, A. S. (2019). mgwr: A Python Implementation of Multiscale Geographically Weighted Regression. Journal of Open Source Software, 4(42), 1670. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/ca/spatial-analysis/mgwr-model
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.
- Regressió Ponderada Geogràficament (GWR)Anàlisi espacial↔ compare
- Anàlisi de punts calents Getis-Ord Gi*Anàlisi espacial↔ compare
- Regressió per Mínims Quadrats Ordinàris (MQO)Econometria↔ compare
- Model d'Error Espacial (SEM)Anàlisi espacial↔ compare
- Model de Lag Espacial (SAR / Autoregressiu Espacial)Anàlisi espacial↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →