ScholarGate
Asistent
Regression model

Geographically Weighted Regression (GWR)

Geographically Weighted Regression je lokalna regresiona metoda, koju su uveli Fotheringham, Brunsdon i Charlton (2002), a koja omogućava da regresioni koeficijenti variraju u prostoru. Umesto jedne globalne jednačine, ona prilagođava poseban skup koeficijenata na svakoj lokaciji, hvatajući prostornu heterogenost u odnosima.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

The neighbourhood of related methods — select a node to explore.

Geographically Weighted Regression (GWR)
LISATest prostorne autokorel…Regresija običnih najman…Model prostorne greške (…Model prostornog kašnjen…Bajezijanska geografski…Bayesian Multiscale Geog…Bejzovski prostorni Durb…Bajezijanski model prost…Bejzovski model prostorn…

+53 more

Izvori

  1. Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168

Kako citirati ovu stranicu

ScholarGate. (2026, June 1). Geographically Weighted Regression (GWR). ScholarGate. https://scholargate.app/sr/spatial-analysis/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.

Compare side by side →

Citirana u

Bajezijanska geografski ponderisana regresija (BGWR)Bayesian Multiscale Geographically Weighted RegressionBejzovski prostorni Durbinov modelBajezijanski model prostorne greškeBejzovski model prostornog zaostajanjaBajezijanski prostorni panel modelBejzijanska prostorna regresijaBejzovski univerzalni krigingКо-крајинг: Вишеструка геостатистичка интерполацијаKokrigingGeografski ponderisana analiza glavnih komponenti (GWPCA)Географски пондерисана случајна шумаGlobalni prostorni Durbin model (SDM)Globalni model greške (SEM)Globalni prostorni panel modelAnaliza žarišnih tačaka (Getis-Ord Gi*)Metoda ponderisanja inverznim rastojanjem (IDW)Kriging prostorna interpolacijaLokala geografski ponderisana regresija (GWR)Локални индикатори просторне асоцијације (LISA)Lokalni kriging (Kriging pokretnog prozora)Lokalna prostorna analiza zasnovana na mrežiЛокално обично крагирањеLokalni model Durbina sa prostornim zavisnostima (Local SDM)Model lokalnog prostornog zaostajanjaLokalna prostorna regresijaLokalni univerzalni krigingVišerazinska geografski ponderisana regresija (MGWR)Moran's IMultiscale Geographically Weighted Regression (MGWR)Multiscale Spatial AutocorrelationMrežna prostorna analizaObični krigingPanel Geographically Weighted Regression (Panel GWR)Panel KrigingPanelna višerazinska geografski ponderisana regresija (Panel MGWR)Panel prostorna autokorelacijaПанелни модел на просторни Дурбин (Panel Spatial Durbin Model - PSDM)Model greške prostorne greške panelaPanel prostorna regresijaRobust Universal KrigingAnaliza prostorno-vremenskih prostornih podataka zasnovana na mrežamaProstorno-vremenska prostorna autokorelacijaModel prostora i vremena sa prostornom greškomModel prostora i vremena sa prostornim zakašnjenjemSvemirsko-vremenski prostorni panel modelProstorno-vremenska prostorna regresijaSveopšte kriging modelovanje u prostoru i vremenuProstorna autokorelacijaProstorna analiza kauzalnog uticajaProstorna kontra-činjenična evaluacija uticaja (SCIE)Prostorno dvostruko robustna (Spatial Doubly Robust) procenaProstorni Durbin model (SDM)Prostorno ponderisanje inverznom verovatnoćom (Prostorno IPW)Model prostornih panel podataka (FE/RE)Ponderisanje prostornom ocenom sklonostiProstorna analiza osetljivosti za kauzalnostUniverzalno krigingovanje (krigingovanje sa trendom)

Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →

ScholarGate — Geographically Weighted Regression (Geographically Weighted Regression (GWR)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/spatial-analysis/geographically-weighted-regression · Skup podataka: https://doi.org/10.5281/zenodo.20539026