การถดถอยถ่วงน้ำหนักเชิงพื้นที่แบบหลายมาตราส่วน (Multiscale Geographically Weighted Regression - MGWR)
MGWR เป็นกรอบการถดถอยเชิงพื้นที่เฉพาะที่ผ่อนคลายข้อจำกัดของแบนด์วิดท์เดียวของการถดถอยถ่วงน้ำหนักเชิงพื้นที่แบบมาตรฐาน (GWR) โดยอนุญาตให้ตัวทำนายแต่ละตัวทำงานที่มาตราส่วนเชิงพื้นที่ของตนเอง พื้นผิวสัมประสิทธิ์แต่ละอันจะถูกปรับเทียบด้วยแบนด์วิดท์ของตนเอง ทำให้แบบจำลองสามารถแยกแยะปัจจัยขับเคลื่อนที่เปลี่ยนแปลงช้าๆ ทั่วทั้งพื้นที่ออกจากปัจจัยที่เปลี่ยนแปลงอย่างรวดเร็ว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/th/spatial-analysis/multiscale-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.
- Geographically Weighted Regression (GWR)การวิเคราะห์เชิงพื้นที่↔ compare
- การถดถอยเชิงพื้นที่เฉพาะที่การวิเคราะห์เชิงพื้นที่↔ compare
- แบบจำลอง Spatial Durbin (SDM)การวิเคราะห์เชิงพื้นที่↔ compare
- แบบจำลองความคลาดเคลื่อนเชิงพื้นที่ (SEM)การวิเคราะห์เชิงพื้นที่↔ compare
- Spatial Lag Modelการวิเคราะห์เชิงพื้นที่↔ compare