Geografisk Vægtet Principal Komponent Analyse (GWPCA)
Geografisk Vægtet Principal Komponent Analyse (GWPCA) er en lokal dimensionsreduktionsmetode introduceret af Harris, Brunsdon og Charlton i 2011. Den udvider klassisk PCA ved at tilpasse en separat vægtet PCA for hver lokation i et datasæt, hvilket tillader egenstrukturer — hovedkomponenterne og deres ladninger — at variere kontinuerligt i det geografiske rum snarere end at være begrænset til en enkelt global løsning. GWPCA er velegnet til forskere inden for miljøvidenskab, folkesundhed og regionaløkonomi, der mistænker, at multivariate relationer mellem variabler adskiller sig efter lokation.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Harris, P., Brunsdon, C., & Charlton, M. (2011). Geographically weighted principal components analysis. International Journal of Geographical Information Science, 25(10), 1717–1736. DOI: 10.1080/13658816.2011.554838 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/da/spatial-analysis/geographically-weighted-pca
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.
- Geografisk vægtet random forestRumlig analyse↔ compare
- Geografisk vægtede regression (GWR)Rumlig analyse↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →