Regression modelGIS / spatial

다중척도 지리 가중 회귀 (MGWR)

다중척도 지리 가중 회귀(MGWR)는 각 예측 변수가 고유한 공간 척도에서 작동하도록 허용함으로써 표준 GWR의 단일 대역폭 제약을 완화하는 지역 공간 회귀 프레임워크입니다. 각 계수 표면은 고유한 대역폭으로 보정되어 모델이 공간적으로 느리게 변하는 요인과 급격하게 변하는 요인을 구별할 수 있도록 합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

+10 more

출처

  1. 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
  2. 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

이 페이지 인용 방법

ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/ko/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.

Compare side by side

이 방법을 참조하는 항목

ScholarGateMultiscale Geographically Weighted Regression (Multiscale Geographically Weighted Regression). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/spatial-analysis/multiscale-geographically-weighted-regression · 데이터셋: https://doi.org/10.5281/zenodo.20539026