Regression modelGIS / spatial

Regresión Geográficamente Ponderada Bayesiana Multiescala

La Regresión Geográficamente Ponderada Bayesiana Multiescala (Bayesian MGWR) extiende el marco MGWR al colocar priors bayesianos en cada coeficiente que varía espacialmente. A cada predictor se le permite su propia banda de paso —su propia escala geográfica de influencia— mientras que la inferencia bayesiana reemplaza el ajuste retroactivo clásico con muestreo posterior, produciendo una cuantificación completa de la incertidumbre para cada superficie de coeficiente local.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  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

Cómo citar esta página

ScholarGate. (2026, June 3). Bayesian Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/es/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). Recuperado el 2026-06-15 de https://scholargate.app/es/spatial-analysis/bayesian-multiscale-geographically-weighted-regression · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026