Régression Bayésienne Pondérée Géographiquement (BGWR)
La Régression Bayésienne Pondérée Géographiquement (BGWR) combine le cadre des coefficients variant spatialement de la GWR avec l'inférence bayésienne, en plaçant des priors de processus Gaussiens sur les coefficients de régression variant localement. Ceci produit des distributions postérieures complètes pour chaque coefficient à chaque localisation, offrant une quantification de l'incertitude fondée sur des principes plutôt que de simples estimations ponctuelles.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Finley, A. O. (2011). Comparing spatially-varying coefficients models for analysis of ecological data with non-stationary and anisotropic residual dependence. Methods in Ecology and Evolution, 2(2), 143-154. DOI: 10.1111/j.2041-210X.2010.00060.x ↗
- Wheeler, D., & Calder, C. (2007). An assessment of coefficient accuracy in linear regression models with spatially varying coefficients. Journal of Geographical Systems, 9(2), 145-166. DOI: 10.1007/s10109-006-0040-y ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Geographically Weighted Regression. ScholarGate. https://scholargate.app/fr/spatial-analysis/bayesian-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.
- Régression Spatiale BayésienneAnalyse spatiale↔ compare
- Régression Pondérée Géographiquement (GWR)Analyse spatiale↔ compare
- Régression Spatiale LocaleAnalyse spatiale↔ compare
- Régression Géographiquement Pondérée Multiscale (MGWR)Analyse spatiale↔ compare
- Modèle de retard spatial (SAR / Autoregressive Spatial)Analyse spatiale↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →