Regression model
マルチスケール地理的加重回帰 (MGWR)
マルチスケール地理的加重回帰（Multiscale Geographically Weighted Regression、MGWR）は、2017年にFotheringham、Yang、Kangによって導入された空間回帰モデルであり、各係数がそれぞれの空間スケールで空間的に変動することを可能にします。これは、すべての予測変数に独自の帯域幅を与えることで地理的加重回帰（Geographically Weighted Regression）を一般化し、一部の関係が局所的に作用する一方で、他の関係はほぼグローバルに作用することを可能にします。
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 ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/ja/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.
- 地理的に重み付けされた回帰分析 (GWR)空間分析↔ compare
- Getis-Ord Gi* ホットスポット分析空間分析↔ compare
- 最小二乗法 (OLS) 回帰計量経済学↔ compare
- 空間誤差モデル（SEM）空間分析↔ compare
- 空間ラグモデル（SAR / 空間自己回帰）空間分析↔ compare