Skip to content

rzine-reviews/GWR_Rzine

 
 

Repository files navigation

La régression géographiquement pondérée : GWR

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

Auteur·es :
Frédéric Audard (UMR LETG, Université de Bretagne Occidentale)
Grégoire Le Campion (UMR PASSAGES, CNRS)
Julie Pierson (UMR LETG, CNRS)

Evaluateur·trices :
Hélène Mathian (UMR EVS, CNRS)
Thierry Feuillet (UMR IDEES, Université de Caen Normandie)

Résumé :
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.

Pour le consulter, cliquez ici.

DOI:10.48645/5qht-d313 License: CC BY-SA 4.0

About

Rzine 2024 - La régression géographiquement pondérée : GWR

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • HTML 99.8%
  • Other 0.2%