ScholarGate
Assistent
Regression modelGIS / spatial

Bayesian Multiskalen Geographically Weighted Regression

Bayesian Multiskalen Geographically Weighted Regression (Bayesian MGWR) erweitert das MGWR-Framework, indem es bayesianische Priors auf jeden räumlich variierenden Koeffizienten legt. Jedem Prädiktor wird seine eigene Bandbreite – seine eigene geografische Einflussgröße – zugestanden, während die bayesianische Inferenz klassisches Back-Fitting durch Posterior-Sampling ersetzt, was eine vollständige Unsicherheitsquantifizierung für jede lokale Koeffizientenoberfläche liefert.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

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

Quellen

  1. 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
  2. Li, Z., Fotheringham, A. S., Li, W., & Oshan, T. (2020). Fast Geographically Weighted Regression (FastGWR): a scalable algorithm to investigate spatial process heterogeneity in millions of observations. International Journal of Geographical Information Science, 33(1), 155-175. DOI: 10.1080/13658816.2018.1521523

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Bayesian Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/de/spatial-analysis/bayesian-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.

Compare side by side
ScholarGateBayesian Multiscale Geographically Weighted Regression (Bayesian Multiscale Geographically Weighted Regression). Abgerufen am 2026-06-15 von https://scholargate.app/de/spatial-analysis/bayesian-multiscale-geographically-weighted-regression · Datensatz: https://doi.org/10.5281/zenodo.20539026