Bejeziešu daudzmērogo ģeografiski svērto regresiju
Bejeziešu daudzmērogo ģeografiski svērtā regresija (Bayesian MGWR) paplašina MGWR sistēmu, piešķirot Bejeziešu iepriekšējas distributions (priors) katram telpiski mainīgajam koeficientam. Katram prediktoram tiek atļauts savs joslas platums — sava ietekmes telpiskā mēroga — savukārt Bejeziešu secinājums aizstāj klasisko atpakaļējo pielāgošanu ar posterioru izlasi, nodrošinot pilnīgu nenoteiktības kvantifikāciju katrai lokālajai koeficientu virsmai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
- Li, Z., Fotheringham, A. S., Li, W., & Oshan, T. (2020). Fast Geographically Weighted Regression (FastGWR): a scalable algorithm to investigate spatial process heterogeneity in millions of observations. International Journal of Geographical Information Science, 33(1), 155-175. DOI: 10.1080/13658816.2018.1521523 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/lv/spatial-analysis/bayesian-multiscale-geographically-weighted-regression
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beijesa ģeogrāfiski svērta regresija (BGWR)Telpiskā analīze↔ salīdzināt
- Bayesian Spatial RegressionTelpiskā analīze↔ salīdzināt
- Ģeogrāfiski svērtā regresija (GWR)Telpiskā analīze↔ salīdzināt
- Lokālā telpiskā regresijaTelpiskā analīze↔ salīdzināt
- Daudzskalu ģeogrāfiski svērtā regresija (MGWR)Telpiskā analīze↔ salīdzināt
- Telpiskās nobīdes modelis (SAR / Telpiskais autoregresīvais)Telpiskā analīze↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →