เปรียบเทียบวิธี

	Bayesian Geographically Weighted Regression	การถดถอยเชิงพื้นที่แบบเบย์
สาขาวิชา	การวิเคราะห์เชิงพื้นที่	การวิเคราะห์เชิงพื้นที่
ตระกูล	Regression model	Regression model
ปีกำเนิด	2007	1990s–2000s
ผู้ริเริ่ม	Wheeler & Calder (2007); Finley (2011)	Banerjee, Carlin & Gelfand (foundational treatment); building on Besag (1974) for lattice priors
ประเภท	Bayesian spatially varying coefficient regression	Bayesian hierarchical regression
แหล่งต้นตำรับ	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.	Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173
ชื่อเรียกอื่น	BGWR, Bayesian GWR, Bayesian spatially varying coefficient model, Bayesian local regression	Bayesian hierarchical spatial model, BSR, Bayesian geostatistical regression, Bayesian spatial linear model
ที่เกี่ยวข้อง	5	3
สรุป	Bayesian Geographically Weighted Regression combines the spatially varying coefficient framework of GWR with Bayesian inference, placing Gaussian process priors on the locally varying regression coefficients. This yields full posterior distributions over each coefficient at every location, providing principled uncertainty quantification rather than only point estimates.	Bayesian Spatial Regression embeds a spatially structured random effect into a regression framework and estimates all parameters — including spatial range and variance — through posterior inference rather than point estimation. It handles spatial autocorrelation, quantifies full predictive uncertainty, and accommodates small or irregular spatial datasets via hierarchical priors.