Regressão Geograficamente Ponderada Multiescala (MGWR)
A Regressão Geograficamente Ponderada Multiescala (MGWR), introduzida por Fotheringham, Yang e Kang em 2017, é um modelo de regressão espacial que permite que cada coeficiente varie no espaço em sua própria escala espacial. Ela generaliza a Regressão Geograficamente Ponderada (GWR) ao dar a cada preditor sua própria largura de banda (bandwidth), de modo que algumas relações podem atuar localmente enquanto outras atuam quase globalmente.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/pt/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.
- Regressão Geograficamente Ponderada (GWR)Análise espacial↔ compare
- Análise de Pontos Quentes Getis-Ord Gi*Análise espacial↔ compare
- Regressão por Mínimos Quadrados Ordinários (MQO)Econometria↔ compare
- Modelo de Erro Espacial (SEM)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 →