Beijesa ģeogrāfiski svērta regresija (BGWR)
Beijesa ģeogrāfiski svērta regresija apvieno GWR telpiski mainīgo koeficientu sistēmu ar Beijesa inferenci, uzliekot Gausa procesa iepriekšējas distributions (priors) lokāli mainīgajiem regresijas koeficientiem. Tas nodrošina pilnas aizmugurējās distributions katram koeficientam katrā atrašanās vietā, sniedzot principālu nenoteiktības kvantifikāciju, nevis tikai punktu aplēses.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Finley, A. O. (2011). Comparing spatially-varying coefficients models for analysis of ecological data with non-stationary and anisotropic residual dependence. Methods in Ecology and Evolution, 2(2), 143-154. DOI: 10.1111/j.2041-210X.2010.00060.x ↗
- Wheeler, D., & Calder, C. (2007). An assessment of coefficient accuracy in linear regression models with spatially varying coefficients. Journal of Geographical Systems, 9(2), 145-166. DOI: 10.1007/s10109-006-0040-y ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Geographically Weighted Regression. ScholarGate. https://scholargate.app/lv/spatial-analysis/bayesian-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.
- Bayesian Spatial RegressionTelpiskā analīze↔ compare
- Ģeogrāfiski svērtā regresija (GWR)Telpiskā analīze↔ compare
- Lokālā telpiskā regresijaTelpiskā analīze↔ compare
- Daudzskalu ģeogrāfiski svērtā regresija (MGWR)Telpiskā analīze↔ compare
- Telpiskās nobīdes modelis (SAR / Telpiskais autoregresīvais)Telpiskā analīze↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →