Regression modelGIS / spatial
ベイズ的多尺度地理加重回帰
ベイズ的多尺度地理加重回帰（Bayesian MGWR）は、各空間変動係数にベイズ事前分布を設定することで、MGWRフレームワークを拡張したものである。各予測変数は独自の帯域幅（影響の地理的スケール）を持つことが許容され、ベイズ推論は古典的なバックフィッティングを事後サンプリングに置き換えることで、各局所係数サーフェスに対する完全な不確実性定量化をもたらす。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
- Li, Z., Fotheringham, A. S., Li, W., & Oshan, T. (2020). Fast Geographically Weighted Regression (FastGWR): a scalable algorithm to investigate spatial process heterogeneity in millions of observations. International Journal of Geographical Information Science, 33(1), 155-175. DOI: 10.1080/13658816.2018.1521523 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/ja/spatial-analysis/bayesian-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.
- ベイズ地理的加重回帰 (BGWR)空間分析↔ compare
- ベイズ空間回帰空間分析↔ compare
- 地理的に重み付けされた回帰分析 (GWR)空間分析↔ compare
- 局所空間回帰空間分析↔ compare
- Multiscale Geographically Weighted Regression (MGWR)空間分析↔ compare
- 空間ラグモデル（SAR / 空間自己回帰）空間分析↔ compare