Regresión Geográficamente Ponderada Multiescala (MGWR)
La Regresión Geográficamente Ponderada Multiescala (MGWR), introducida por Fotheringham, Yang y Kang en 2017, es un modelo de regresión espacial que permite que cada coeficiente varíe en el espacio a su propia escala espacial. Generaliza la Regresión Geográficamente Ponderada (GWR) al otorgar a cada predictor su propio ancho de banda, de modo que algunas relaciones pueden actuar localmente mientras que otras actúan casi globalmente.
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
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/es/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.
- Regresión Geográficamente Ponderada (GWR)Análisis espacial↔ compare
- Análisis de Puntos Calientes Getis-Ord Gi*Análisis espacial↔ compare
- Regresión por Mínimos Cuadrados Ordinarios (MCO)Econometría↔ compare
- Modelo de Error Espacial (SEM)Análisis espacial↔ compare
- Modelo de Retardo Espacial (SAR / Autoregresivo Espacial)Análisis espacial↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →