Régression Géographiquement Pondérée Multiscale (MGWR)
La régression géographiquement pondérée multiscale (MGWR) est un cadre de régression spatiale locale qui relâche la contrainte de bande passante unique de la GWR standard en permettant à chaque prédicteur d'opérer à sa propre échelle spatiale. Chaque surface de coefficient est calibrée avec sa propre bande passante, permettant au modèle de distinguer les facteurs qui varient lentement dans l'espace de ceux qui varient rapidement.
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.
+10 more
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 for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269. DOI: 10.3390/ijgi8060269 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/fr/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.
- Régression Pondérée Géographiquement (GWR)Analyse spatiale↔ compare
- Régression Spatiale LocaleAnalyse spatiale↔ compare
- Modèle de Durbin spatial (SDM)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 →