Resumen

El modelo de Regresión Ponderada Geográficamente Multivariada (MGWR) es un desarrollo del modelo de Regresión Ponderada Geográficamente (GWR) que tiene en cuenta la heterogeneidad espacial y los factores de error de autocorrelación que están localizados en cada ubicación de observación. Se asume que el modelo MGWR es un vector de error distribuido de forma multivariante normal con media de vector cero y matriz de varianza-covarianza en cada ubicación, la cual está dimensionada para muestras en la ubicación. En este estudio, los parámetros estimados de varianza-covarianza de error se obtienen del modelo MGWR utilizando los métodos de Estimación de Máxima Verosimilitud (MLE) y Mínimos Cuadrados Ponderados (WLS). La selección del método WLS se basa en la función de ponderación medida a partir de la desviación estándar del vector de distancia entre una ubicación de observación y otra. Esta prueba utiliza un procedimiento de inferencia estadística al reducir la ecuación del modelo MGWR para que los par

• Materias:Ecuaciones diferenciales Operadores Teoremas Modelo de regresión
• Subjects:Differential equations Operators Theorems Regression model
• Palabras claves:Multivariado; Regresión ponderada geográficamente; Modelo MGWR; Heterogeneidad espacial; Error de autocorrelación; Estimación de Máxima Verosimilitud
• Keywords:Multivariate; Geographically weighted regression; MGWR model; Spatial heterogeneity; Autocorrelation error; Maximum Likelihood Estimation