Regression model

Regresión Geográficamente Ponderada (GWR)

La Regresión Geográficamente Ponderada (GWR) es un método de regresión local, introducido por Fotheringham, Brunsdon y Charlton (2002), que permite que los coeficientes de regresión varíen en el espacio. En lugar de una única ecuación global, ajusta un conjunto separado de coeficientes en cada ubicación, capturando la heterogeneidad espacial en las relaciones.

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.

+53 more

Fuentes

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

Cómo citar esta página

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

Citado por

Regresión Geográficamente Ponderada Bayesiana (BGWR)Regresión Geográficamente Ponderada Bayesiana MultiescalaModelo Espacial de Durbin BayesianoModelo Bayesiano de Error EspacialModelo de Retardo Espacial BayesianoModelo Espacial Panel BayesianoRegresión Espacial BayesianaKriging Universal BayesianoCo-kriging: Interpolación geoestadística multivariadaCokrigajeAnálisis de Componentes Principales Geográficamente Ponderado (GWPCA)Bosque Aleatorio Geográficamente PonderadoModelo Global de Durbin Espacial (SDM)Modelo de Error Espacial Global (SEM)Modelo Espacial Global de PanelAnálisis de Puntos Calientes (Getis-Ord Gi*)Ponderación por distancia inversa (IDW)Interpolación Espacial por KrigingRegresión Geográficamente Ponderada Local (GWR)Indicadores Locales de Asociación Espacial (LISA)Kriging Local (Kriging de Ventana Móvil)Análisis Espacial Basado en Redes LocalesKrigueo Ordinario LocalModelo de Durbin Espacial LocalModelo de Retardo Espacial LocalRegresión Espacial LocalKriging Universal LocalRegresión Geográficamente Ponderada Multiescala (MGWR)Índice I de MoranRegresión Geográficamente Ponderada Multiescala (MGWR)Autocorrelación espacial multiescalaAnálisis espacial basado en redesKriging OrdinarioRegresión Geográficamente Ponderada de Panel (Panel GWR)Kriging de PanelRegresión Geográficamente Ponderada Multiescala de Panel (Panel MGWR)Autocorrelación Espacial en Datos de PanelModelo Durbin Espacial de PanelModelo Espacial de Errores en PanelRegresión Espacial de PanelKrigeaje Universal RobustoAnálisis Espacio-Temporal Basado en RedesAutocorrelación Espacial Espacio-TiempoModelo Espacio-Temporal de Error EspacialModelo de Retardo Espacial Espacio-TiempoModelo de Panel Espacial Espacio-TiempoRegresión Espacio-Temporal EspacialKriging Universal Espacio-TemporalAutocorrelación espacialAnálisis de Impacto Causal EspacialEvaluación de Impacto Contrafactual Espacial (SCIE)Estimación Espacialmente Doblemente RobustaModelo de Durbin Espacial (SDM)Ponderación Espacial por Probabilidad Inversa (Spatial IPW)Modelo de datos de panel espacial (FE/RE)Ponderación Espacial por Puntaje de PropensiónAnálisis de sensibilidad espacial para la causalidadKrigueo Universal (Krigueo con Tendencia)
ScholarGateGeographically Weighted Regression (Geographically Weighted Regression (GWR)). Recuperado el 2026-06-15 de https://scholargate.app/es/spatial-analysis/geographically-weighted-regression · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026