清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Multiscale Geographically Weighted Regression (MGWR)

比例(比率) 计算机科学 地理加权回归模型 地理 数据挖掘 空间分析 空间生态学 统计 数学 地图学 生态学 生物
作者
A. Stewart Fotheringham,Wenbai Yang,Wei Kang
出处
期刊:Annals of the American Association of Geographers [Informa]
卷期号:107 (6): 1247-1265 被引量:841
标识
DOI:10.1080/24694452.2017.1352480
摘要

Scale is a fundamental geographic concept, and a substantial literature exists discussing the various roles that scale plays in different geographical contexts. Relatively little work exists, though, that provides a means of measuring the geographic scale over which different processes operate. Here we demonstrate how geographically weighted regression (GWR) can be adapted to provide such measures. GWR explores the potential spatial nonstationarity of relationships and provides a measure of the spatial scale at which processes operate through the determination of an optimal bandwidth. Classical GWR assumes that all of the processes being modeled operate at the same spatial scale, however. The work here relaxes this assumption by allowing different processes to operate at different spatial scales. This is achieved by deriving an optimal bandwidth vector in which each element indicates the spatial scale at which a particular process takes place. This new version of GWR is termed multiscale geographically weighted regression (MGWR), which is similar in intent to Bayesian nonseparable spatially varying coefficients (SVC) models, although potentially providing a more flexible and scalable framework in which to examine multiscale processes. Model calibration and bandwidth vector selection in MGWR are conducted using a back-fitting algorithm. We compare the performance of GWR and MGWR by applying both frameworks to two simulated data sets with known properties and to an empirical data set on Irish famine. Results indicate that MGWR not only is superior in replicating parameter surfaces with different levels of spatial heterogeneity but provides valuable information on the scale at which different processes operate.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
spark810发布了新的文献求助10
8秒前
huiluowork完成签到 ,获得积分10
9秒前
美丽的楼房完成签到 ,获得积分10
12秒前
loga80完成签到,获得积分0
13秒前
明理囧完成签到 ,获得积分10
25秒前
文艺的初南完成签到 ,获得积分10
37秒前
小白完成签到 ,获得积分10
39秒前
Tiger发布了新的文献求助10
39秒前
枫林摇曳完成签到 ,获得积分10
50秒前
Lucas应助Tiger采纳,获得10
54秒前
1分钟前
zai完成签到 ,获得积分20
1分钟前
Kkk完成签到 ,获得积分10
1分钟前
1分钟前
hugeyoung完成签到,获得积分10
1分钟前
爆米花应助oleskarabach采纳,获得10
1分钟前
sanwhich完成签到,获得积分10
1分钟前
1分钟前
严冰蝶发布了新的文献求助10
1分钟前
1分钟前
科研通AI2S应助spark810采纳,获得10
1分钟前
焚心结完成签到 ,获得积分10
1分钟前
严冰蝶完成签到,获得积分10
1分钟前
宇宙尽头的餐馆完成签到,获得积分10
1分钟前
共享精神应助明亮菀采纳,获得10
1分钟前
2分钟前
2分钟前
Java完成签到,获得积分10
2分钟前
ghan完成签到 ,获得积分10
2分钟前
catalyst326完成签到,获得积分20
2分钟前
2分钟前
catalyst326发布了新的文献求助10
2分钟前
oaoalaa完成签到 ,获得积分10
2分钟前
快乐的七宝完成签到 ,获得积分10
2分钟前
2分钟前
Alex-Song完成签到 ,获得积分0
2分钟前
科研通AI2S应助Singularity采纳,获得10
2分钟前
Tiger发布了新的文献求助10
2分钟前
隐形曼青应助Singularity采纳,获得10
3分钟前
chichenglin完成签到 ,获得积分10
3分钟前
高分求助中
Sustainability in ’Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3072753
求助须知:如何正确求助?哪些是违规求助? 2726372
关于积分的说明 7493877
捐赠科研通 2374283
什么是DOI,文献DOI怎么找? 1258931
科研通“疑难数据库(出版商)”最低求助积分说明 610434
版权声明 596997