Régression pondérée géographiquement multi-échelle (MGWR)
La régression pondérée géographiquement multi-échelle (MGWR), introduite par Fotheringham, Yang et Kang en 2017, est un modèle de régression spatiale qui permet à chaque coefficient de varier dans l'espace à sa propre échelle spatiale. Elle généralise la régression pondérée géographiquement (GWR) en attribuant à chaque prédicteur sa propre bande passante, de sorte que certaines relations peuvent agir localement tandis que d'autres agissent presque globalement.
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., 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/fr/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.
- Régression Pondérée Géographiquement (GWR)Analyse spatiale↔ compare
- Analyse de points chauds Getis-Ord Gi*Analyse spatiale↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ 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 →