Regression modelGIS / spatial

多尺度地理加权回归 (MGWR)

多尺度地理加权回归 (MGWR) 是一种局部空间回归框架，它通过允许每个预测变量在其自身的空间尺度上运行，从而放宽了标准 GWR 的单一带宽约束。每个系数曲面都用其自身的带宽进行校准，使模型能够区分缓慢变化的驱动因素与急剧变化的驱动因素。

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。

多尺度地理加权回归 (MGWR)

地理加权回归 (GWR)局部空间回归空间杜宾模型 (SDM)空间误差模型 (SEM)空间滞后模型（SAR / 空间自回归）贝叶斯地理加权回归 (BGWR)贝叶斯多尺度地理加权回归协克里金：多元地统计学插值全局空间杜宾模型 (SDM)局部地理加权回归 (GWR)

另有 10 项

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Multiscale Geographically Weighted Regression. ScholarGate. https://scholargate.app/zh/spatial-analysis/multiscale-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

贝叶斯地理加权回归 (BGWR)贝叶斯多尺度地理加权回归协克里金：多元地统计学插值全局空间杜宾模型 (SDM)局部地理加权回归 (GWR)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多尺度 Getis-Ord Gi* 热点分析多尺度莫兰指数多尺度空间自相关面板地理加权回归 (Panel GWR)Panel MGWR (Panel Multiscale Geographically Weighted Regression)面板空间回归遥感分类

发现本页有问题？报告或提出修改建议 →