Regresión Geográficamente Ponderada Multiescala (MGWR)
La Regresión Geográficamente Ponderada Multiescala (MGWR) es un marco de regresión espacial local que relaja la restricción de ancho de banda único de la GWR estándar al permitir que cada predictor opere en su propia escala espacial. Cada superficie de coeficientes se calibra con su propio ancho de banda, lo que permite al modelo distinguir los impulsores que varían lentamente en el espacio de aquellos que varían bruscamente.
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.
+10 more
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 for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269. DOI: 10.3390/ijgi8060269 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/es/spatial-analysis/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.
- Regresión Geográficamente Ponderada (GWR)Análisis espacial↔ compare
- Regresión Espacial LocalAnálisis espacial↔ compare
- Modelo de Durbin Espacial (SDM)Análisis espacial↔ 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 →