Regressione Geograficamente Ponderata Bayesiana (BGWR)
La Regressione Geograficamente Ponderata Bayesiana (BGWR) combina il framework dei coefficienti spazialmente variabili della GWR con l'inferenza bayesiana, ponendo priori di processo Gaussiano sui coefficienti di regressione localmente variabili. Ciò produce distribuzioni posteriori complete per ciascun coefficiente in ogni località, fornendo una quantificazione dell'incertezza basata su principi piuttosto che solo stime puntuali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Geographically Weighted Regression. ScholarGate. https://scholargate.app/it/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.
- Regressione Spaziale BayesianaAnalisi spaziale↔ compare
- Regressione Geograficamente Ponderata (GWR)Analisi spaziale↔ compare
- Regressiona Spaziale LocaleAnalisi spaziale↔ compare
- Regressione Pesata Geograficamente Multiscala (MGWR)Analisi spaziale↔ compare
- Modello a Lag Spaziale (SAR / Autoregressivo Spaziale)Analisi spaziale↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →