Regression model
Multiscale Geographically Weighted Regression (MGWR)
Multiscale Geographically Weighted Regression(MGWR)은 2017년 Fotheringham, Yang, Kang이 소개한 공간 회귀 모형으로, 각 계수가 고유한 공간적 척도에서 공간을 가로질러 변동하도록 허용합니다. 이는 각 예측 변수에 자체 대역폭(bandwidth)을 부여함으로써 Geographically Weighted Regression(GWR)을 일반화하며, 일부 관계는 지역적으로 작용하는 반면 다른 관계는 거의 전역적으로 작용할 수 있게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/ko/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.
- 지리 가중 회귀 분석 (Geographically Weighted Regression, GWR)공간분석↔ compare
- Getis-Ord Gi* 핫스팟 분석공간분석↔ compare
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 공간 오차 모형(SEM)공간분석↔ compare
- 공간 시차 모형 (SAR / 공간 자기회귀)공간분석↔ compare