Regressão Bayesiana Geograficamente Ponderada (BGWR)
A Regressão Bayesiana Geograficamente Ponderada (BGWR) combina a estrutura de coeficientes espacialmente variáveis da GWR com inferência Bayesiana, colocando priores de processo Gaussiano nos coeficientes de regressão localmente variáveis. Isso gera distribuições posteriores completas para cada coeficiente em cada local, fornecendo quantificação de incerteza principiada em vez de apenas estimativas pontuais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Geographically Weighted Regression. ScholarGate. https://scholargate.app/pt/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.
- Regressão Espacial BayesianaAnálise espacial↔ compare
- Regressão Geograficamente Ponderada (GWR)Análise espacial↔ compare
- Regressão Espacial LocalAnálise espacial↔ compare
- Regressão Geograficamente Ponderada Multiescala (MGWR)Análise espacial↔ compare
- Modelo de Lag Espacial (SAR / Autoregressivo Espacial)Análise espacial↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →