Regression modelGIS / spatial
Multiscale Geographically Weighted Regression (MGWR)
Multiscale Geographically Weighted Regression (MGWR) は、標準的な GWR の単一帯域幅制約を緩和し、各予測変数が独自の空間スケールで機能することを可能にする局所空間回帰フレームワークである。各係数表面は独自の帯域幅で較正され、モデルは空間をゆっくり変化するドライバーと急激に変化するドライバーを区別できるようになる。
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.
+10 more
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 for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269. DOI: 10.3390/ijgi8060269 ↗
このページの引用方法
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/ja/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.
- 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
- 空間的ダービンモデル (SDM)空間分析↔ 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