ScholarGate
Assistent
Regression model

Geografisch Gewogen Regressie (GWR)

Geografisch Gewogen Regressie is een lokale regressiemethode, geïntroduceerd door Fotheringham, Brunsdon en Charlton (2002), die toestaat dat de regressiecoëfficiënten ruimtelijk variëren. In plaats van één globale vergelijking, past het een aparte set coëfficiënten toe op elke locatie, waardoor ruimtelijke heterogeniteit in de relaties wordt vastgelegd.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

+53 more

Bronnen

  1. Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168

Deze pagina citeren

ScholarGate. (2026, June 1). Geographically Weighted Regression (GWR). ScholarGate. https://scholargate.app/nl/spatial-analysis/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

Geciteerd door

Bayesian Geographically Weighted Regression (BGWR)Bayesiaanse Multiscale Geografisch Gewogen RegressieBayesiaans Ruimtelijk Durbin ModelBayesiaans Ruimtelijk FoutmodelBayesiaans Ruimtelijk Lag ModelBayesiaans Ruimtelijk PaneelmodelBayesian Spatial RegressionBayesian Universal KrigingCo-kriging: Multivariaat Geostatistische InterpolatieCokrigingGeografisch Gewogen Principal Component Analyse (GWPCA)Geografisch Gewogen Willekeurig BosGlobal Spatial Durbin Model (SDM)Global Spatial Error ModelGlobaal Ruimtelijk PanelmodelHot Spot Analysis (Getis-Ord Gi*)Omgekeerde Afstandsweging (IDW)Kriging Ruimtelijke InterpolatieLokale Geografisch Gewogen Regressie (GWR)Lokale Indicatoren van Ruimtelijke Associatie (LISA)Lokale Kriging (Moving-Window Kriging)Lokale netwerkgebaseerde ruimtelijke analyseLokale Gewone KrigingLokaal Spatiaal Durbin ModelLokaal Ruimtelijk Lag ModelLokale Ruimtelijke RegressieLokale Universele KrigingMultiscale Geographically Weighted Regression (MGWR)Moran's IMultiscale Geographically Weighted Regression (MGWR)Multischaal ruimtelijke autocorrelatieNetwerkgebaseerde ruimtelijke analyseGewone KrigingPanel Geographically Weighted Regression (Panel GWR)Panel KrigingPanel Multiscale Geographically Weighted Regression (Panel MGWR)Ruimtelijke Autocorrelatie in PaneeldataPanel Ruimtelijk Durbin ModelPanel Ruimtelijk FoutmodelPaneelruimtelijke RegressieRobuuste Universele KrigingRuimte-tijdnetwerk-gebaseerde ruimtelijke analyseRuimtelijke Autocorrelatie in Ruimte-TijdRuimtelijke Foutmodel voor Ruimte-TijdRuimtelijk-temporeel model met ruimtelijke vertragingRuimte-Tijd Ruimtelijke PaneelmodelRuimtelijke Regressie voor Ruimte-TijdRuimtetijd Universele KrigingRuimtelijke AutocorrelatieRuimtelijke Causale ImpactanalyseRuimtelijke Contrafactuele Impactevaluatie (SCIE)Ruimtelijke Dubbel Robuuste SchattenRuimtelijk Durbin Model (SDM)Ruimtelijke Inverse Waarschijnlijkheids Weging (Ruimtelijke IPW)Ruimtelijk Paneel Datamodel (FE/RE)Ruimtelijke Propensity Score WegingRuimtelijke gevoeligheidsanalyse voor causaliteitUniverseel Kriging (Kriging met een Trend)
ScholarGateGeographically Weighted Regression (Geographically Weighted Regression (GWR)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/spatial-analysis/geographically-weighted-regression · Gegevensset: https://doi.org/10.5281/zenodo.20539026