Multiskala Geografisk Vægtet Regression (MGWR)
Multiskala Geografisk Vægtet Regression, introduceret af Fotheringham, Yang og Kang i 2017, er en spatial regressionsmodel, der lader hver koefficient variere rumligt i sin egen skala. Den generaliserer Geografisk Vægtet Regression ved at give hver prædiktor sin egen båndbredde, så nogle relationer kan virke lokalt, mens andre virker næsten globalt.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/da/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.
- Geografisk vægtede regression (GWR)Rumlig analyse↔ compare
- Getis-Ord Gi* Hot Spot-analyseRumlig analyse↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- Spatial Error Model (SEM)Rumlig analyse↔ compare
- Spatial Lag Model (SAR / Spatial Autoregressive)Rumlig analyse↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →