ScholarGate
Assistent
Regression model

Geografisk vægtede regression (GWR)

Geografisk vægtede regression er en lokal regressionsmetode, introduceret af Fotheringham, Brunsdon og Charlton (2002), som tillader regressionskoefficienterne at variere i rummet. I stedet for én global ligning tilpasses et separat sæt koefficienter på hver lokation, hvilket indfanger rumlig heterogenitet i relationerne.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

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

Geografisk vægtede regression (GWR)
LISAMoran's I rumtest for ru…Almindelig mindste kvadr…Spatial Error Model (SEM)Spatial Lag Model (SAR /…Bayesiansk geografisk væ…Bayesiansk Multiskala Ge…Bayesiansk Spatial Durbi…Bayesiansk rumlig fejlmo…Bayesiansk model for rum…

+53 more

Kilder

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

Sådan citerer du denne side

ScholarGate. (2026, June 1). Geographically Weighted Regression (GWR). ScholarGate. https://scholargate.app/da/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 →

Refereret af

Bayesiansk geografisk vægtet regression (BGWR)Bayesiansk Multiskala Geografisk Vægtet RegressionBayesiansk Spatial Durbin ModelBayesiansk rumlig fejlmodelBayesiansk model for rumlig lagBayesiansk rumlig panelmodelBayesiansk rumlig regressionBayesiansk universel krigingCo-kriging: Multivariat Geostatistisk InterpolationCokrigingGeografisk Vægtet Principal Komponent Analyse (GWPCA)Geografisk vægtet random forestGlobal Spatial Durbin Model (SDM)Global Spatial Error Model (SEM)Global Spatial Panel ModelHot Spot Analysis (Getis-Ord Gi*)Vægtet gennemsnit efter invers afstand (IDW)Kriging rumlig interpolationLokal geografisk vægtet regression (GWR)Lokale indikatorer for rumlig association (LISA)Lokal Kriging (Moving-Window Kriging)Lokal netværksbaseret rumlig analyseLokal Ordinær KrigingLokal Spatial Durbin ModelLokal rumlig lagmodelLokal rumlig regressionLokal Universel KrigingMultiskala Geografisk Vægtet Regression (MGWR)Moran's IMultiskal Geografisk Vægtet Regression (MGWR)Multiskala rumlig autokorrelationNetværksbaseret rumlig analyseOrdinary KrigingPanel Geographically Weighted Regression (Panel GWR)Panel KrigingPanel Multiscale Geographically Weighted Regression (Panel MGWR)Panel Spatial AutocorrelationPanel Spatial Durbin ModelPanel Spatial Error ModelPanel Spatial RegressionRobust Universal KrigingRumtidsnetværksbaseret rumlig analyseRum-tid rumlig autokorrelationSpace-Time Spatial Error ModelRum-Tids Rumlig Lag ModelRum-tid rumlig panelmodelRum-tid rumlig regressionSpace-Time Universal KrigingRumlig AutokorrelationAnalyse af rumlig kausal effektSpatial Counterfactual Impact Evaluation (SCIE)Rummelig dobbelt robust estimeringSpatial Durbin Model (SDM)Spatial Inverse Probability Weighting (Spatial IPW)Rumlig paneldatamodel (FE/RE)Rumlig Propensity Score-vægtningRumlig sensitivitetsanalyse for kausalitetUniversel Kriging (Kriging med en Trend)

Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →

ScholarGate — Geographically Weighted Regression (Geographically Weighted Regression (GWR)). Hentet 2026-06-15 fra https://scholargate.app/da/spatial-analysis/geographically-weighted-regression · Datasæt: https://doi.org/10.5281/zenodo.20539026