Análisis de Componentes Principales Geográficamente Ponderado (GWPCA)
El Análisis de Componentes Principales Geográficamente Ponderado (GWPCA) es un método local de reducción de dimensionalidad introducido por Harris, Brunsdon y Charlton en 2011. Extiende el PCA clásico ajustando un PCA ponderado separado en cada ubicación de un conjunto de datos, lo que permite que las autoestructuras —los componentes principales y sus cargas— varíen continuamente a través del espacio geográfico en lugar de estar restringidas a una única solución global. El GWPCA es adecuado para investigadores en ciencias ambientales, salud pública y economía regional que sospechen que las relaciones multivariadas entre variables difieren según la ubicación.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Harris, P., Brunsdon, C., & Charlton, M. (2011). Geographically weighted principal components analysis. International Journal of Geographical Information Science, 25(10), 1717–1736. DOI: 10.1080/13658816.2011.554838 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/es/spatial-analysis/geographically-weighted-pca
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.
- Bosque Aleatorio Geográficamente PonderadoAnálisis espacial↔ compare
- Regresión Geográficamente Ponderada (GWR)Análisis espacial↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →