Panel Multiscale Geographically Weighted Regression (Panel MGWR)
Panel MGWR ขยายแนวคิดของ Multiscale Geographically Weighted Regression (MGWR) ไปสู่ข้อมูลแบบกลุ่ม (panel data) ที่มีการสังเกตซ้ำๆ ทำให้แต่ละตัวทำนายสามารถทำงานได้ที่แถบความกว้างเชิงพื้นที่ (spatial bandwidth) ของตนเอง ในขณะเดียวกันก็ควบคุมผลกระทบเฉพาะหน่วย (unit-specific) หรือเฉพาะเวลา (time-specific) ได้ด้วย เหมาะสำหรับใช้เมื่อทั้งความแปรปรวนเชิงพื้นที่ (spatial heterogeneity) และโครงสร้างเชิงเวลา (temporal structure) มีความสำคัญพร้อมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Yu, H., Fotheringham, A. S., Li, Z., Oshan, T., Kang, W., & Wolf, L. J. (2020). Inference in Multiscale Geographically Weighted Regression. Geographical Analysis, 52(1), 87-106. DOI: 10.1111/gean.12189 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Panel Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/th/spatial-analysis/panel-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
- การถดถอยเชิงพื้นที่แบบถ่วงน้ำหนักเฉพาะที่ (GWR)การวิเคราะห์เชิงพื้นที่↔ compare
- Multiscale Geographically Weighted Regressionการวิเคราะห์เชิงพื้นที่↔ compare
- แบบจำลอง Panel Spatial Durbin (PSDM)การวิเคราะห์เชิงพื้นที่↔ compare
- แบบจำลองความคลาดเคลื่อนเชิงพื้นที่แบบแผง (Panel Spatial Error Model)การวิเคราะห์เชิงพื้นที่↔ compare