La régression géographiquement pondérée : GWR

Comment prendre en compte l’effet local du spatial en statistique

Frédéric Audard, Grégoire Le Campion, and Julie Pierson

· 2024 · Analyse spatiale

Cet article présente la réalisation d’une analyse de données à l’aide de la régression géographiquement pondérée ou GWR (Geographical Weighted Regression). L’objectif est d’offrir une première introduction à cette méthode qui appartient au champ de la statistique spatiale et qui permet d’étudier le phénomène de non stationnarité spatiale, à savoir la variabilité des variables explicatives dans l’espace. Un phénomène en réalité fréquent mais trop peu étudié en science humaines et sociales. Cet article présente l’utilisation de cette méthode, appliquée au prix de l’immobilier par EPCI en France hexagonale.

Relecture : Hélène Mathian , Thierry Feuillet
Édition : Ronan Ysebaert , Marion Gentilhomme

HTML Code Relecture

Citer l'article :

Audard, Frédéric and Le Campion, Grégoire and Pierson, Julie (2024). La régression géographiquement pondérée : GWR. Rzine. https://doi.org/10.48645/wk1m-hg05.

BibTeX

@articles{article_7,
  title = {La régression géographiquement pondérée : GWR},
  subtitle = {Comment prendre en compte l’effet local du spatial en statistique},
  author = {Audard, Frédéric and Le Campion, Grégoire and Pierson, Julie},
  doi = {10.48645/wk1m-hg05},
  url = {https://rzine.fr/docs/20240930_gwr/},
  language = {fr},
  journal = {Rzine},
  publisher = {FR2007 CIST},
  year = {2024},
  copyright = {Creative Commons Attribution Share Alike 4.0 International},
  repository = {https://github.com/rzine-reviews/GWR_Rzine},
  type = {{Research article}},
  tags = {GWR, régression géographique, pondérée},
  issn = {2743-8791},
}