Regression Geograficamente Ponderata Multiscala (MGWR)
La Regressione Geograficamente Ponderata Multiscala (MGWR), introdotta da Fotheringham, Yang e Kang nel 2017, è un modello di regressione spaziale che consente a ciascun coefficiente di variare nello spazio alla propria scala spaziale. Generalizza la Regressione Geograficamente Ponderata (GWR) assegnando a ciascun predittore la propria ampiezza di banda (bandwidth), in modo che alcune relazioni possano agire localmente mentre altre agiscono quasi globalmente.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/it/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.
- Regressione Geograficamente Ponderata (GWR)Analisi spaziale↔ compare
- Analisi dei punti caldi Getis-Ord Gi*Analisi spaziale↔ compare
- Regression with Ordinary Least Squares (OLS)Econometria↔ compare
- Modello di Errore Spaziale (SEM)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 →