Multiscale Geographically Weighted Regression (MGWR)
Multiscale Geographically Weighted Regression (MGWR) is een lokaal ruimtelijk regressiekader dat de beperking van een enkele bandbreedte van standaard GWR versoepelt door elke voorspeller toe te staan op zijn eigen ruimtelijke schaal te opereren. Elk coëfficiëntoppervlak wordt gekalibreerd met zijn eigen bandbreedte, waardoor het model drijfveren kan onderscheiden die langzaam over de ruimte variëren van die welke scherp variëren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
+10 meer
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 for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269. DOI: 10.3390/ijgi8060269 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/nl/spatial-analysis/multiscale-geographically-weighted-regression
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Geografisch Gewogen Regressie (GWR)Ruimtelijke analyse↔ vergelijken
- Lokale Ruimtelijke RegressieRuimtelijke analyse↔ vergelijken
- Ruimtelijk Durbin Model (SDM)Ruimtelijke analyse↔ vergelijken
- Ruimtelijk Foutenmodel (SEM)Ruimtelijke analyse↔ vergelijken
- Spatiaal Lag Model (SAR / Spatiale Autoregressie)Ruimtelijke analyse↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →