เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การประมาณค่าด้วยครีจิง (Kriging Spatial Interpolation)× | Multiscale Geographically Weighted Regression (MGWR)× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เชิงพื้นที่ | การวิเคราะห์เชิงพื้นที่ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1963 | 2017 |
| ผู้ริเริ่ม≠ | Georges Matheron (formalised geostatistics) | Fotheringham, Yang & Kang |
| ประเภท≠ | Geostatistical spatial interpolation | Spatially varying coefficient regression |
| แหล่งต้นตำรับ≠ | Matheron, G. (1963). Principles of Geostatistics. Economic Geology, 58(8), 1246–1266. DOI ↗ | 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 ↗ |
| ชื่อเรียกอื่น≠ | geostatistical interpolation, Gaussian process regression (geostatistics), ordinary kriging, Kriging (Mekânsal Enterpolasyon) | multiscale GWR, multi-scale geographically weighted regression, Çok Ölçekli Coğrafi Ağırlıklı Regresyon (MGWR) |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | Kriging is a geostatistical method that predicts the value of a continuous variable at unmeasured locations from nearby measurements, using the spatial correlation structure captured by a variogram. Formalised by Georges Matheron in 1963, it is the best linear unbiased predictor (BLUP) for spatial data and comes in Ordinary, Universal, and Co-Kriging forms. | Multiscale Geographically Weighted Regression, introduced by Fotheringham, Yang and Kang in 2017, is a spatial regression model that lets each coefficient vary across space at its own spatial scale. It generalises Geographically Weighted Regression by giving every predictor its own bandwidth, so some relationships can act locally while others act almost globally. |
| ScholarGateชุดข้อมูล ↗ |
|
|