Regression model
地理加权回归 (GWR)
地理加权回归 (Geographically Weighted Regression, GWR) 是由 Fotheringham, Brunsdon 和 Charlton (2002) 提出的一种局部回归方法，它允许回归系数在空间上变化。它不使用一个全局方程，而是在每个位置拟合一组独立的系数，从而捕捉关系中的空间异质性。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+53 more
来源
- Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168
如何引用本页
ScholarGate. (2026, June 1). Geographically Weighted Regression (GWR). ScholarGate. https://scholargate.app/zh/spatial-analysis/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.
- LISA空间分析↔ compare
- Moran's I空间自相关检验空间分析↔ compare
- 普通最小二乘法 (OLS) 回归计量经济学↔ compare
- 空间误差模型 (SEM)空间分析↔ compare
- 空间滞后模型（SAR / 空间自回归）空间分析↔ compare
被引用于
贝叶斯地理加权回归 (BGWR)贝叶斯多尺度地理加权回归Bayesian Spatial Durbin Model贝叶斯空间误差模型Bayesian Spatial Lag Model贝叶斯空间面板模型Bayesian Spatial Regression贝叶斯通用克里金法协克里金：多元地统计学插值共克里金地理加权主成分分析 (GWPCA)地理加权随机森林全局空间杜宾模型 (SDM)全局空间误差模型 (SEM)全局空间面板模型Getis-Ord Gi* 热点分析反距离加权法 (IDW)克里金空间插值局部地理加权回归 (GWR)局部空间关联指标 (LISA)局部克里金（移动窗口克里金）局部网络空间分析局部普通克里金法局部空间杜宾模型局部空间滞后模型局部空间回归Local Universal Kriging多尺度地理加权回归 (MGWR)Moran's I多尺度地理加权回归 (MGWR)多尺度空间自相关基于网络的空间分析普通克里金法面板地理加权回归 (Panel GWR)Panel Kriging (面板克里金)Panel MGWR (Panel Multiscale Geographically Weighted Regression)面板空间自相关面板空间杜宾模型面板空间误差模型面板空间回归稳健通用克里金基于时空网络的空间分析时空空间自相关时空空间误差模型时空空间滞后模型时空空间面板模型时空空间回归时空泛克里金空间自相关空间因果影响分析空间反事实影响评估 (SCIE)空间双重稳健估计空间杜宾模型 (SDM)空间反向概率加权（空间IPW）空间面板数据模型（固定效应/随机效应）空间倾向得分加权空间因果敏感性分析通用克里金 (带趋势的克里金)