Bayesian Geographically Weighted Regression (BGWR)
Bayesian Geographically Weighted Regression łączy ramy przestrzennego zmiennego współczynnika GWR z wnioskowaniem bayesowskim, umieszczając priory procesów Gaussa na lokalnie zmiennych współczynnikach regresji. Daje to pełne rozkłady a posteriori dla każdego współczynnika w każdej lokalizacji, zapewniając zasadnicze kwantyfikowanie niepewności zamiast tylko estymacji punktowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Geographically Weighted Regression. ScholarGate. https://scholargate.app/pl/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.
- Bayesowska regresja przestrzennaAnaliza przestrzenna↔ compare
- Regresja geograficznie ważona (GWR)Analiza przestrzenna↔ compare
- Regresja przestrzenna lokalnaAnaliza przestrzenna↔ compare
- Wieloskalowa geograficznie ważona regresja (MGWR)Analiza przestrzenna↔ compare
- Model opóźnienia przestrzennego (SAR / Autoregresyjny przestrzenny)Analiza przestrzenna↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →