Monitahorisonttinen painotettu regressio (MGWR)
Monitahorisonttinen painotettu regressio (MGWR) on paikallinen spatiaalinen regressiokehys, joka lieventää standardin GWR:n yhden kaistanleveyden rajoitusta sallimalla kunkin ennusteen toimia omalla spatiaalisella asteikollaan. Kukin kerroin pinta kalibroidaan omalla kaistanleveydellään, mikä mahdollistaa mallin erottaa hitaasti avaruudessa vaihtelevat ajurit niistä, jotka vaihtelevat jyrkästi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/fi/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.
- Paikallisesti painotettu regressio (GWR)Spatiaalianalyysi↔ compare
- Paikallinen spatiaalinen regressioSpatiaalianalyysi↔ compare
- Avaruudellinen Durbinin malli (SDM)Spatiaalianalyysi↔ compare
- Spatiaalinen virhemalli (SEM)Spatiaalianalyysi↔ compare
- Tilalagun malli (SAR / Autoregressiivinen tilamalli)Spatiaalianalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →