Multiskal Geografisk Vægtet Regression (MGWR)
Multiskal Geografisk Vægtet Regression (MGWR) er et lokalt rumligt regressionsframework, der løsner enkeltbåndbreddebegrænsningen af standard GWR ved at tillade, at hver prædiktor opererer i sin egen rumlige skala. Hver koefficientoverflade kalibreres med sin egen båndbredde, hvilket gør det muligt for modellen at skelne mellem drivkræfter, der varierer langsomt hen over rummet, og dem, der varierer skarpt.
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.
+10 more
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 for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269. DOI: 10.3390/ijgi8060269 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/da/spatial-analysis/multiscale-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.
- Geografisk vægtede regression (GWR)Rumlig analyse↔ compare
- Lokal rumlig regressionRumlig analyse↔ compare
- Spatial Durbin Model (SDM)Rumlig analyse↔ 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 →