Daudzskalu ģeogrāfiski svērtā regresija (MGWR)
Daudzskalu ģeogrāfiski svērtā regresija (MGWR) ir lokāls telpisks regresijas ietvars, kas atbrīvo standarta GWR vienas joslas platuma ierobežojumu, ļaujot katram prediktoram darboties savā telpiskā mērogā. Katra koeficientu virsma tiek kalibrēta ar savu joslas platumu, ļaujot modelim atšķirt lēni mainīgus telpiskos virzītājus no strauji mainīgiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
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 ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/lv/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.
- Ģeogrāfiski svērtā regresija (GWR)Telpiskā analīze↔ compare
- Lokālā telpiskā regresijaTelpiskā analīze↔ compare
- Telpiskais Durbina modelis (SDM)Telpiskā analīze↔ compare
- Telpiskais kļūdu modelis (SEM)Telpiskā analīze↔ compare
- Telpiskās nobīdes modelis (SAR / Telpiskais autoregresīvais)Telpiskā analīze↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →