Regression modelGIS / spatial

局部地理加权回归 (GWR)

局部地理加权回归 (GWR) 在研究区域的每个位置估计一个单独的回归模型，允许每个系数在空间上变化。通过对邻近观测值赋予比远处观测值更大的权重，GWR 揭示了预测变量-结果关系如何在地理空间中转移，而不是强迫对异质数据进行单一的全局估计。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

局部地理加权回归 (GWR)

来源

Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley. ISBN: 978-0471496168
Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically weighted regression: a method for exploring spatial nonstationarity. Geographical Analysis, 28(4), 281-298. DOI: 10.1111/j.1538-4632.1996.tb00936.x ↗

如何引用本页

ScholarGate. (2026, June 3). Local Geographically Weighted Regression. ScholarGate. https://scholargate.app/zh/spatial-analysis/local-geographically-weighted-regression

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

被引用于

面板地理加权回归 (Panel GWR)Panel MGWR (Panel Multiscale Geographically Weighted Regression)

发现本页有问题？报告或提出修改建议 →