Wieloskalowa geograficznie ważona regresja (MGWR)
Wieloskalowa geograficznie ważona regresja (Multiscale Geographically Weighted Regression, MGWR), wprowadzona przez Fotheringhama, Yanga i Kanga w 2017 roku, jest przestrzennym modelem regresji, który pozwala każdemu współczynnikowi zmieniać się w przestrzeni na własnej skali przestrzennej. Uogólnia ona geograficznie ważoną regresję (Geographically Weighted Regression, GWR), przypisując każdemu predyktorowi własną szerokość pasma, dzięki czemu niektóre zależności mogą działać lokalnie, podczas gdy inne działają niemal globalnie.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/pl/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.
- Regresja geograficznie ważona (GWR)Analiza przestrzenna↔ compare
- Analiza Gorących Punktów Getisa-Orda Gi*Analiza przestrzenna↔ compare
- Regresja metodą najmniejszych kwadratów (OLS)Ekonometria↔ compare
- Model błędu przestrzennego (SEM)Analiza przestrzenna↔ compare
- Model opóźnienia przestrzennego (SAR / Autoregresyjny przestrzenny)Analiza przestrzenna↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →