Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "regresja ważona geograficznie" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Zastosowanie regresji ważonej geograficznie do interpolacji przestrzennej miejskiej wyspy ciepła we Wrocławiu
    Application of the geographically weighted regression for spatial interpolation of the urban heat island in Wroclaw (SW Poland)
    Autorzy:
    Szymanowski, M.
    Kryza, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2084534.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
    Tematy:
    miejska wyspa ciepla
    Wroclaw
    zastosowanie
    regresja wazona geograficznie
    interpolacje
    Opis:
    Geographically weighted regression (GWR), was used here for spatial interpolation of two selected cases of the urban heat island measured in Wroclaw (SW Poland). The GWR algorithm was extended with spatial interpolation of the local regression residuals (GWRK). It was shown that the GWRK outperforms GWR, as well as other widely used interpolation procedures, including multiple regression models and residual kriging.
    Źródło:
    Prace i Studia Geograficzne; 2011, 47; 417-423
    0208-4589
    Pojawia się w:
    Prace i Studia Geograficzne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie regresji ważonej geograficznie do modelowania miejskiej wyspy ciepła we Wrocławiu
    Application of geographically weighted regression for urban heat island modelling in Wrocław
    Autorzy:
    Szymanowski, M.
    Kryza, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/130125.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    regresja ważona geograficznie
    interpolacja przestrzenna
    GIS
    wyspa ciepła
    Wrocław
    geographically weighted regression
    spatial interpolation
    urban heat island
    Opis:
    Artykuł prezentuje zastosowanie regresji ważonej geograficznie (GWR) do interpolacji przestrzennej temperatury powietrza w warunkach wystąpienia miejskiej wyspy ciepła (UHI) we Wrocławiu. Rezultaty interpolacji GWR porównano z uzyskanymi za pomocą innych metod: regresji wieloczynnikowej (MLR) – model globalny, i krigingu resztowego dla obydwu modeli regresyjnych (odpowiednio: RK i GWRK). Dane wejściowe stanowiły pomiary temperatury powietrza w 206 nieregularnie rozmieszczonych punktach oraz warstwy dodatkowych zmiennych objaśniających, utworzone głównie na podstawie mapy pokrycia terenu i zdjęć satelitarnych (Landsat TM). Walidację interpolacji przeprowadzono metodą oceny krzyżowej (CV), analizując miary diagnostyczne (BIAS, MAE, RMSE) i rozkład przestrzenny błędów CV. Porównanie rezultatów modeli regresyjnych wskazało zasadność zastosowania GWR w przypadku niestacjonarnego procesu przestrzennego (UHI). Kalibrację modelu lokalnego przeprowadzono w zmiennej macierzy sąsiedztwa (tzw. kernelu) z uwzględnieniem zachowania możliwości fizycznej interpretacji procesu. Kriging reszt, przeprowadzony dla lokalnego i globalnego modelu regresji poprawił jakość interpolacji. Za optymalną w analizowanych przypadkach UHI metodę interpolacji uznano kriging resztowy dla regresji ważonej geograficznie (GWRK).
    Implementation of geographically weighted regression (GWR) for urban heat island (UHI) modelling in Wrocław is presented. The results of spatial interpolation using 4 methods are evaluated and compared. The methods are: multiple linear regression (MLR) – global model, GWR – local model and residual kriging for both regression techniques (RK and GWRK). The analysis was performed based on 2 examples of UHI. Air temperature data were gathered in 206 irregularly distributed points. Additional explanatory variables were developed based mainly on the land-use map and Landsat TM images. The cross-validation (CV) technique was used to compare results obtained with the different algorithms together with the evaluation of errors (BIAS, MAE, RMSE) and their spatial distribution. The results confirmed the usefulness of GWR in the case of non-stationarity of the spatial process. Calibration of the local models was performed using adaptive kernel, taking into account the possibility of physical interpretation of the model. Kriging of MLR and GWR residuals significantly improved the spatial interpolation results in terms of cross-validation errors. The most accurate results of the UHI spatialization were obtained with the GWRK techniquedr.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2009, 20; 407-419
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wyznaczenie cech społeczeństwa wpływających na zaangażowanie w tworzenie VGI w Polsce
    Determination of socioeconomic features of a society influencing the involvement in VGI creation in Poland
    Autorzy:
    Marczak, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/346891.pdf
    Data publikacji:
    2017
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    OpenStreetMap
    społecznościowe dane przestrzenne
    korelacja
    regresja liniowa wieloraka
    regresja ważona geograficznie
    volunteered geographic information
    correlation
    linear regression analysis
    geographically weighted regression
    Opis:
    W ostatnich latach tworzenie obywatelskich (społecznościowych) danych przestrzennych przez użytkowników Internetu, niebędących profesjonalistami w tym zakresie, jest coraz bardziej popularne. Świadczy o tym również rosnąca liczba inicjatyw opartych o dane zbierane na zasadzie crowdsourcingu (ang. crowd – tłum, ang. sourcing – czerpanie). Przyczynia się to do wzrostu świadomości społecznej dotyczącej danych geoprzestrzennych. Celem artykułu było zbadanie jakie cechy społeczeństwa wpływają na zaangażowanie obywateli w tworzenie VGI (ang. volunteered geographic information) w Polsce. Do jego realizacji wykorzystano dane z projektu OpenStreetMap oraz dane charakteryzujące społeczeństwo pozyskane z Głównego Urzędu Statystycznego. Były to między innymi: poziom wykształcenia, miesięczne wynagrodzenie, współczynnik feminizacji. Pierwszym etapem było określenie stopnia korelacji między danymi opisującymi społeczeństwo a danymi pozyskanymi w projekcie OpenStreetMap w podziale na powiaty. Następnie dla najbardziej skorelowanych zmiennych ułożono modele regresji wielorakiej i regresji ważonej geograficznie (GWR), co pozwoliło na wyznaczenie tych cech społeczeństwa, które miały istotny wpływ na pozyskiwanie VGI w Polsce.
    In recent years, the creation of volunteered geographic information (VGI) by Internet users, who are not professionals in this area is becoming increasingly popular. There is also a growing number of initiatives based on the data collected on the basis of crowdsourcing. This contributes to increase of the public awareness of geospatial data. The aim of the paper was to examine what features of socjety affect the involvement of citizens in creating VGI in Poland. To achieve this objective, data from the OpenStreetMap project and society data obtained from the Central Statistical Office (this included level of education, monthly salary, the feminisation rate) were used. The first stage was to determine the degree of correlation between the data describing the society, and the OpenStreetMap data divided into districts. Then, for the most correlated variables multiple regression and geographically weighted regression (GWR) models were arranged, which allowed the determination of the characteristics of a society that had a significant effect on the acquisition of VGI in Poland.
    Źródło:
    Roczniki Geomatyki; 2017, 15, 2(77); 233-248
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regresja ważona geograficznie jako narzędzie analizy rynku nieruchomości
    Geographically weighted regression as a tool for real estate market analysis
    Autorzy:
    Kulczycki, M.
    Ligas, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/385304.pdf
    Data publikacji:
    2007
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    RWG (regresja ważona geograficznie)
    przestrzenna heterogeniczność
    autokorelacja przestrzenna
    metoda najmniejszych kwadratów
    wycena nieruchomości
    GWR (Geographically Weighted Regression)
    spatial heterogeneity
    spatial autocorrelation
    least squares method
    appraisal
    Opis:
    Przedmiotem rozważań zawartych w niniejszym artykule jest zagadnienie zastosowania regresji ważonej geograficznie (GWR) zarówno na etapie analizy rynku nieruchomości, jak i podczas procesu wyceny. GWR jest techniką eksploracyjną statystyki przestrzennej dającą możliwość bezpośredniego modelowania przestrzennej heterogeniczności poprzez lokalne dopasowywanie modeli regresji. Zastosowanie GWR owocuje zestawem parametrów regresji dla każdej lokalizacji (nieruchomości). Parametry te stanowią podstawę do stworzenia map zmienności poszczególnych współczynników regresji, czyli map zmienności wpływu poszczególnych atrybutów na wartość nieruchomości w zależności od lokalizacji, co od razu przywodzi na myśl strefy oraz mapy taksacyjne wykorzystywane w procesie powszechnej taksacji nieruchomości.
    The paper presents considerations on applying Geographically Weighted Regression to real estate market analysis and appraisal process. GWR is the explorative technique of spatial statistics enabling direct modeling of spatial heterogeneity by local fitting regression models. Application GWR results in set of regression parameters for each localization from the data set (real estate). These parameters make a basis for mapping non - stationarity of regression relationship, saying otherwise allow to map spatial variation in regression parameters. This kind of mapping brings to mind immediately taxation zones and taxation maps used in mass appraisal process.
    Źródło:
    Geomatics and Environmental Engineering; 2007, 1, 2; 59-68
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza zależności pomiędzy ceną a lokalizacją nieruchomości na przykładzie Krakowa
    Analysis of the relationship between real estate price and location: the case of Krakow
    Autorzy:
    Branna, J
    Madej, K
    Będkowski, M
    Serdeń, M
    Sosiński, P
    Luc, M
    Powiązania:
    https://bibliotekanauki.pl/articles/346250.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    lokalizacja nieruchomości
    GIS
    regresja liniowa
    regresja geograficznie ważona
    real estate location
    linear regression
    geographically weighted regression
    Opis:
    W publikacji został zaprezentowany jeden aspekt szerokiego zagadnienia jakim jest analiza rynku nieruchomości, tj. zależność pomiędzy ceną nieruchomości a jej lokalizacją. W analizie posłużono się metodą regresji ważonej geograficznie, w której parametry mogą zostać oszacowane w dowolnym miejscu obszaru badań, a lokalizacja zmiennych zależnych i niezależnych jest znana. Dane brane pod uwagę w analizach dotyczyły charakterystyk nieruchomości oraz ich lokalizacji w stosunku do wybranych obiektów użyteczności publicznej i odległości od centrum miasta. Uzyskane wyniki zostały poddane wagowaniu. Przy oszacowywaniu parametrów utworzonego modelu dla danej lokalizacji założono, że obiekty, które znajdują się bliżej tej lokalizacji powinny przyjąć większą wagę w obliczeniach aniżeli te, które znajdują się w dalszej odległości. Wyniki analizy zestawiono z regresją liniową, która pomijała wspomniane zależności regresji ważonej geograficznie. Potwierdziły one założenie o występowaniu wpływu czynników przestrzennych na kształtowanie cen nieruchomości oraz określiły, które z nich są najważniejsze.
    The paper presents only one aspect of a broad issue of the real estate market analysis, that is the relationship between the price of the property and its location. The study used a geographically weighted regression. Parameters in this method can be estimated anywhere in the area of the research, and location of independent and dependent variables is known. The data taken into account in the analyses were related to the characteristics of the properties and their location in relation to certain public facilities as well as to the distance from the city center. The results have been weighted. When estimating the parameters established for a given location, it was assumed that the objects that are closer to this location should adopt a greater weight in the calculations than those that are further away. The analysis results were compared with the linear regression, which omitted those relationships of geographically weighted regression. The obtained results confirm the assumption of the existence of spatial factors that influence the property prices and determine which ones are the most important.
    Źródło:
    Roczniki Geomatyki; 2012, 10, 4; 29-40
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    REAL ESTATE PRICES – URBAN SECURITY RELATIONSHIPS: SPATIAL ANALYSES AND DEPENDENCIES
    RELACJA CENY NIERUCHOMOŚCI A BEZPIECZEŃSTWA MIEJSKIEGO: ANALIZY PRZESTRZENNE I BADANIA ZALEŻNOŚCI
    Autorzy:
    Penchev, Georgi Georgiev
    Zabunov, Georgi Shinkov
    Powiązania:
    https://bibliotekanauki.pl/articles/654257.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Rynek nieruchomości
    rzeczywiste ceny nieruchomości
    miejskie bezpieczeństwo
    analizy przestrzenne
    metody analizy składnika nadrzędnego
    geograficznie ważona regresja (GWR).
    Real estate markets
    real estate prices
    urban security
    spatial analysis
    principle component analysis
    geographically weighted regression (GWR).
    Opis:
    Celem niniejszego artykułu jest ocena możliwości utworzenia bazy danych analitycznych do badania cen nieruchomości. W dużej mierze, artykuł przedstawia niektóre z ustaleń wspólnego projektu, prowadzonego wspólnie z wiodącymi bułgarskimi agencjami nieruchomości. Za pomocą odpowiedniego podejścia analitycznego i ujednolicenia informacji możliwe jest osiągnięcie znacznych korzyści dla bułgarskiego dynamicznego rynku. Ze względu na brak narzędzi i doświadczenia, zaistniała konieczność wyboru właściwej metody i zastosowania jej do największej bazy danych utworzonej z informacji pochodzących z innych rynków. Badanie koncentruje się na wpływie bezpieczeństwa miejskiego na ceny nieruchomości. Z jednej strony, jest to podstawowym wyznacznikiem wyboru klientów, a z drugiej strony, informacje o ocenie bezpieczeństwa mogą być wykorzystane w planowaniu przestrzennym i zarządzaniu. W rezultacie powstał zbiór danych georeferencyjnych zawierający informacje o cechach ponad 191 000 nieruchomości w Denver, Kolorado. Zastosowanie wybranej metody – Ważonej Geograficznie Regresji Hedonicznych – na zbiorze danych wykazało na szereg kwestii związanych z ograniczeniem sprzętowym i oprogramowania, sposobu agregacji danych i obecności współliniowość pomiędzy indeksami. Zastosowanie zasad analiz geograficznego ważenia, jako sposób rozwiązania problemu współliniowości wykazały również zalety, takie jak określenie wpływu różnych wskaźników w mniejszych obszarach miejskich. Pomimo użycia danych z innych rynków, badania umożliwiły wyciągnięcie istotnych wniosków dotyczących definicji, gromadzenia i opracowania danych niezbędnych do stworzenia odpowiedniej bazy danych do analizy bułgarskiego rynku nieruchomości.
    The purpose of this article is to assess the possibilities for creating an analytical database to study real estate prices. To a large extent, the article presents some of the findings of a joint project with leading Bulgarian real estate agencies. Using a suitable analytical approach and standardising the information would bring substantial benefits to the dynamic Bulgarian market. Due to the lack of tools and experience, it was necessary to select an appropriate method and to apply it to the largest possible database created with the help of information from other markets. The study focused on the impact of urban security on real estate prices. On the one hand, this is a basic determinant for customers’ choice, and on the other hand, information about security rating could be used in urban planning and management. As a result, a georeferenced dataset was created with information about the characteristics of over 191 000 properties in Denver, Colorado. The application of the selected method – the Geographically Weighted Hedonic Regression – for this dataset showed a number of issues related to hardware and software restrictions of the application, the manner of data aggregation and the presence of co-linearity between indices. The application of the Geographically Weighted Principal Analysis as a means of solving the problem of co-linearity has shown other advantages such as defining the impact of various indices in smaller urban regions. Despite using data from other markets, this research has made some important conclusions regarding the definition, collection and study of data necessary for the creation of a suitable database to analyse the Bulgarian real estate market.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 6, 309
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies