Bayesian Geographically Weighted Regression (BGWR)
Bayesian Geographically Weighted Regression combineert het raamwerk van ruimtelijk variërende coëfficiënten van GWR met Bayesiaanse inferentie, door Gaussiaanse proces priors te plaatsen op de lokaal variërende regressiecoëfficiënten. Dit levert volledige posteriorverdelingen op voor elke coëfficiënt op elke locatie, wat zorgt voor een principiële kwantificering van onzekerheid in plaats van alleen puntschattingen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Geographically Weighted Regression. ScholarGate. https://scholargate.app/nl/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 RegressionRuimtelijke analyse↔ compare
- Geografisch Gewogen Regressie (GWR)Ruimtelijke analyse↔ compare
- Lokale Ruimtelijke RegressieRuimtelijke analyse↔ compare
- Multiscale Geographically Weighted Regression (MGWR)Ruimtelijke analyse↔ compare
- Spatiaal Lag Model (SAR / Spatiale Autoregressie)Ruimtelijke analyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →