Multiscale Geographically Weighted Regression (MGWR)
Multiscale Geographically Weighted Regression, geïntroduceerd door Fotheringham, Yang en Kang in 2017, is een ruimtelijk regressiemodel dat toelaat dat elke coëfficiënt zich over de ruimte verspreidt op zijn eigen ruimtelijke schaal. Het generaliseert Geographically Weighted Regression door elke predictor zijn eigen bandbreedte te geven, zodat sommige relaties lokaal kunnen werken terwijl andere bijna globaal werken.
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
- 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. Journal of Open Source Software, 4(42), 1670. link ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/nl/spatial-analysis/mgwr-model
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.
- Geografisch Gewogen Regressie (GWR)Ruimtelijke analyse↔ compare
- Getis-Ord Gi* Hot Spot AnalyseRuimtelijke analyse↔ compare
- Gewone Kleinste Kwadraten (GKK) RegressieEconometrie↔ compare
- Ruimtelijk Foutenmodel (SEM)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 →