เปรียบเทียบวิธี

	การประมาณค่าด้วยครีจิง (Kriging Spatial Interpolation)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	การวิเคราะห์เชิงพื้นที่	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1963	2019
ผู้ริเริ่ม	Georges Matheron (formalised geostatistics)	Wooldridge (textbook treatment); classical least squares
ประเภท	Geostatistical spatial interpolation	Linear regression
แหล่งต้นตำรับ	Matheron, G. (1963). Principles of Geostatistics. Economic Geology, 58(8), 1246–1266.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
ชื่อเรียกอื่น	geostatistical interpolation, Gaussian process regression (geostatistics), ordinary kriging, Kriging (Mekânsal Enterpolasyon)	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
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.	Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE).