رگرسیون جغرافیایی وزنی چندمقیاسی (MGWR)
رگرسیون جغرافیایی وزنی چندمقیاسی (MGWR)، که در سال ۲۰۱۷ توسط فاسترهینگام، یانگ و کانگ معرفی شد، یک مدل رگرسیون فضایی است که به هر ضریب اجازه میدهد در مقیاس فضایی خاص خود در سراسر فضا تغییر کند. این مدل با اختصاص دادن یک پهنای باند مجزا به هر پیشبین، رگرسیون جغرافیایی وزنی (GWR) را تعمیم میدهد، بنابراین برخی روابط میتوانند به صورت محلی عمل کنند در حالی که برخی دیگر تقریباً به صورت جهانی عمل میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/fa/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.
- رگرسیون وزنی جغرافیایی (GWR)تحلیل فضایی↔ compare
- تحلیل نقاط داغ Getis-Ord Gi*تحلیل فضایی↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- مدل خطای فضایی (SEM)تحلیل فضایی↔ compare
- مدل وقفه فضایی (SAR / خودرگرسیون فضایی)تحلیل فضایی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →