Multiskalige Geographisch Gewichtete Regression (MGWR)
Die Multiskalige Geographisch Gewichtete Regression, eingeführt von Fotheringham, Yang und Kang im Jahr 2017, ist ein räumliches Regressionsmodell, das es jedem Koeffizienten erlaubt, sich über den Raum in seiner eigenen räumlichen Skala zu verändern. Sie verallgemeinert die Geographisch Gewichtete Regression, indem sie jedem Prädiktor seine eigene Bandbreite gibt, sodass einige Beziehungen lokal wirken können, während andere fast global wirken.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/de/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.
- Geographisch gewichtete Regression (GWR)Räumliche Analyse↔ compare
- Getis-Ord Gi* Hot Spot AnalyseRäumliche Analyse↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
- Räumliches Fehlermodell (SEM)Räumliche Analyse↔ compare
- Spatial-Lag-Modell (SAR / Spatial Autoregressive)Räumliche Analyse↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →