GWR (Geographically Weighted Regression)
v1.0.2
Mimarlık, Planlama ve Tasarım bağlamı — katsayıların konuma göre değiştiği regresyon. Her noktada AICc-optimal bandwidth ile lokal model fit edilir; β₁(s), β₂(s) haritası elde edilir.
mgwr · Sel_BWAICc-optimalLokal R²β min/Q25/medyan/Q75/max
🎯 Ne işe yarar?
Standart OLS tek bir global β tahmin eder; GWR konum-değişen β üretir: “X1’in etkisi kuzeyde mi güneyde mi güçlü?” gibi sorulara yanıt. Mimarlık, Planlama ve Tasarım için emlak_fiyati_TL_m2‘nin ulasim_yakinligi ve yesil_alan_orani‘ye duyarlılığı bölgesel olarak nasıl değişiyor görselleştirir.
📌 Ne zaman kullanılır?
- OLS rezidüellerinde mekansal kümelenme (Moran’s I anlamlı)
- Disipline özgü “etki coğrafyaya göre farklı mı?” sorusu
- Mekansal heterojenliği görselleştirme isteği
⚙ Varsayımlar
- Lat/lon koordinatları, sürekli DV (emlak_fiyati_TL_m2), sürekli X’ler.
- Yeterli yoğunluk: bandwidth içindeki nokta sayısı ≥ 30.
- Bandwidth seçim için AICc / CV (varsayılan AICc).
📊 MerQur’da Nasıl Çalıştırılır?
Panel atamaları (programdaki form alanları):
- Sütunlar:
{'y': 'park_deger_TL', 'x': ['alan_m2', 'yesil_orani'], 'lat': 'lat', 'lon': 'lon'} - Parametreler:
{'bandwidth_method': 'AICc'}
📊 Örnek Veri Seti — Mimarlık, Planlama ve Tasarım
ℹ Not: Aşağıdaki senaryo, MerQur çıktısı ve yorum, gerçek örnek veri seti MerQur’da çalıştırılarak elde edilmiştir. Kendi verinizdeki sayısal sonuçlar farklılık gösterecektir; buradaki amaç analizin uçtan uca nasıl kurgulandığını ve yorumlandığını göstermektir.
🎬 Örnek Dosya
Bu analiz, Mimarlık, Planlama ve Tasarım alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Peyzaj_Mimarligi/107_gwr_local_park_value.xlsx
🎬 Senaryo
Park değeri ilişkisinin mekânda nasıl değiştiğini (yerel katsayılar) GWR ile haritalamak istiyoruz.
⚙️ Değişken Seçimi
- Bağımlı: park_value_TL
- Yordayıcılar: area_m2, green_ratio
- Koordinatlar: lat, lon
Veri Önizleme (İlk 5 Satır)
| park_id | lat | lon | area_m2 | green_ratio | park_value_TL |
|---|---|---|---|---|---|
| 1.0 | 41.049 | 31.4253 | 28657.0 | 0.317 | 1448261.0 |
| 2.0 | 39.6093 | 36.155 | 31366.0 | 0.201 | 668219.0 |
| 3.0 | 39.8738 | 37.2388 | 4166.0 | 0.435 | 213982.0 |
| 4.0 | 36.9336 | 30.3355 | 22328.0 | 0.657 | 466261.0 |
| 5.0 | 40.3021 | 34.0883 | 25210.0 | 0.565 | 1920724.0 |
n = 110 · Sütunlar: park_id, lat, lon, area_m2, green_ratio, park_value_TL
📈 MerQur Çıktısı
─────────────────────────────────────────────
R2 = 0.831 (yerel/konuma özgü regresyon)
Park değeri ilişkisinin mekansal değişimi
💬 MerQur Yorumu
Sıradan regresyon, tüm kent için tek bir park değeri ilişkisi olduğunu varsayar; oysa bu ilişki mekânda değişebilir; bir bölgede yeşil oranı değeri güçlü etkilerken diğerinde zayıf etkileyebilir. GWR (Coğrafi Ağırlıklı Regresyon), her konum için ayrı bir yerel regresyon kurarak bu mekânsal heterojenliği yakalar (R2 = 0.83). Çıktı, katsayıların haritasıdır: yeşil oranı ve alanın park değerine etkisinin nerede güçlü, nerede zayıf olduğunu gösteren bir yüzey. Bu yöntem, “ilişki her yerde aynı mı” sorusunu test eder ve yerel yatırım ile yenileme önceliklerini belirlemeye yardımcı olur. Kentsel peyzaj değeri analizinde GWR, küresel modelin gizlediği mekânsal eşitsizlikleri ve yere özgü değeri haritalamada güçlü bir araçtır.
⚠ Sık Hatalar
- Düşük yoğunluk bölgelerde bandwidth içine yetersiz nokta düşerse büyük standart hata.
- Tüm bölgede aynı etki bulduysanız global OLS yeterlidir — GWR komplikasyonu gerekmez.
- Multikolinearite GWR’da lokal olarak değişebilir; her bandwidth’te VIF kontrol önerilir.
📚 MerQur’a Atıf
Örücü, Ö. K. (2026). MerQur: Bütünleşik Akademik Veri Analizi ve Raporlama Platformu [Bilgisayar Yazılımı] (Sürüm 1.0.0). https://doi.org/10.53463/merqur.2026001
📝 Üretim Notu — Bu sayfadaki örnek veri sentetik olarak üretilmiştir (sabit SEED=42, generator: samples/Ileri_Duzey_v102/_generate_v102_datasets.py). Sayfa içeriği Anthropic Claude desteği ile hazırlanmış, akademik doğruluk yazar tarafından kontrol edilmiştir.