ScholarGate
Assistent
Regression model

Geographisch gewichtete Regression (GWR)

Geographisch gewichtete Regression ist eine lokale Regressionsmethode, die von Fotheringham, Brunsdon und Charlton (2002) eingeführt wurde und es den Regressionskoeffizienten ermöglicht, räumlich zu variieren. Anstelle einer globalen Gleichung passt sie für jeden Ort einen separaten Satz von Koeffizienten an, um räumliche Heterogenität in den Beziehungen zu erfassen.

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.

Geographisch gewichtete Regression (GWR)
LISA – Lokale Indikatore…Der Moran-I-Test für räu…Methode der kleinsten Qu…Räumliches Fehlermodell…Spatial-Lag-Modell (SAR…Bayesian Geographically…Bayesian Multiskalen Geo…Bayesianisches räumliche…Bayesian Spatial Error M…Bayesian Spatial Lag Mod…

+53 more

Quellen

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

So zitieren Sie diese Seite

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

Referenziert von

Bayesian Geographically Weighted Regression (BGWR)Bayesian Multiskalen Geographically Weighted RegressionBayesianisches räumliches Durbin-ModellBayesian Spatial Error Model (Bayesian SEM)Bayesian Spatial Lag ModelBayesianisches räumliches Panel-ModellBayesian räumliche RegressionBayesianisches Universelles KrigingCo-Kriging: Multivariate Geostatistische InterpolationCokrigingGeographisch gewichtete Hauptkomponentenanalyse (GWPCA)Geographically Weighted Random ForestGlobal Spatial Durbin Model (SDM)Global Spatial Error ModelGlobal Spatial Panel ModelHot Spot Analysis (Getis-Ord Gi*)Inverse Distance Weighting (IDW)Kriging-InterpolationLokale Geographisch Gewichtete Regression (GWR)Lokale Indikatoren für räumliche Assoziation (LISA)Lokales Kriging (Moving-Window Kriging)Lokale netzwerkbasierte RaumanalyseLokale Ordinary Kriging-InterpolationLokales räumliches Durbin-ModellLokales räumliches Lag-ModellLokale räumliche RegressionLokale universelle Kriging-InterpolationMultiskalige Geographisch Gewichtete Regression (MGWR)Moran's IMultiskalige Geographisch Gewichtete Regression (MGWR)Multiskalige räumliche AutokorrelationNetzwerkbasierte räumliche AnalyseOrdinary KrigingPanel Geographically Weighted Regression (Panel GWR)Panel KrigingPanel Multiscale Geographically Weighted Regression (Panel MGWR)Panel-räumliche AutokorrelationPanel Spatial Durbin ModellPanel Spatial Error ModelPanel Spatial RegressionRobuste Universelle Kriging-MethodeRaumanalytik auf Basis von Raumzeit-NetzwerkenRaumzeitliche AutokorrelationRaum-Zeit-FehlermodellRaum-Zeit-Modell mit räumlichem LagRaum-Zeit-Panel-ModellRaum-Zeit-RegressionsanalyseSpace-Time Universal KrigingRäumliche AutokorrelationRäumliche Kausalanalyse von AuswirkungenRäumliche Kontrafaktische Wirkungsanalyse (SCIE)Räumliche doppelt robuste SchätzungRäumliches Durbin-Modell (SDM)Räumliche Inverse Wahrscheinlichkeitsgewichtung (Spatial IPW)Räumliches Paneldatenmodell (FE/RE)Räumliche Propensity-Score-GewichtungRäumliche Sensitivitätsanalyse für KausalitätUniverselles Kriging (Kriging mit Trend)

Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →

ScholarGate — Geographically Weighted Regression (Geographically Weighted Regression (GWR)). Abgerufen am 2026-06-15 von https://scholargate.app/de/spatial-analysis/geographically-weighted-regression · Datensatz: https://doi.org/10.5281/zenodo.20539026