Régression Géographiquement Pondérée Locale (GWR)
La Régression Géographiquement Pondérée Locale (GWR) estime un modèle de régression distinct à chaque emplacement de la zone d'étude, permettant à chaque coefficient de varier spatialement. En pondérant les observations proches plus fortement que les observations éloignées, la GWR révèle comment les relations prédicteur-résultat changent dans l'espace géographique, plutôt que de forcer une seule estimation globale sur des données hétérogènes.
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
- Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168
- Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically weighted regression: a method for exploring spatial nonstationarity. Geographical Analysis, 28(4), 281-298. DOI: 10.1111/j.1538-4632.1996.tb00936.x ↗
Comment citer cette page
ScholarGate. (2026, June 3). Local Geographically Weighted Regression. ScholarGate. https://scholargate.app/fr/spatial-analysis/local-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 Pondérée Géographiquement (GWR)Analyse spatiale↔ compare
- Autocorrélation spatiale localeAnalyse spatiale↔ compare
- Régression Géographiquement Pondérée Multiscale (MGWR)Analyse spatiale↔ compare
- Modèle d'erreur spatiale (SEM)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 →