Multiskalig geografiskt viktad regression (MGWR)
Multiskalig geografiskt viktad regression (MGWR) är ett lokalt rumsligt regressionsramverk som lättar på begränsningen av en enda bandbredd i standard GWR genom att tillåta varje prediktor att verka i sin egen rumsliga skala. Varje koefficientyta kalibreras med sin egen bandbredd, vilket gör det möjligt för modellen att skilja på drivkrafter som varierar långsamt över rummet från dem som varierar snabbt.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+10 till
Källor
- 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 for investigating process spatial heterogeneity and scale. ISPRS International Journal of Geo-Information, 8(6), 269. DOI: 10.3390/ijgi8060269 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/sv/spatial-analysis/multiscale-geographically-weighted-regression
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Geografiskt viktad regression (GWR)Rumslig analys↔ jämför
- Lokal rumslig regressionRumslig analys↔ jämför
- Spatial Durbin Model (SDM)Rumslig analys↔ jämför
- Spatial Error Model (SEM)Rumslig analys↔ jämför
- Spatial Lag Model (SAR / Spatial Autoregressive)Rumslig analys↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →