Un tutorial fiel en Python sobre Li y Fotheringham (2026) — utilizando un algoritmo MGWFER de dos etapas para eliminar los factores de confusión espaciales invariantes en el tiempo de la MGWR multiescala y recuperar tanto pendientes espacialmente variables insesgadas como efectos contextuales intrínsecos a partir de datos de panel simulados (225 unidades x 3 periodos).
Aplicación de la regresión geográficamente ponderada multiescala (MGWR) para revelar cómo el alcance económico varía entre los 514 distritos de Indonesia, con cada variable operando en su propia escala espacial.
Un cuaderno geocomputacional para estudiar la heterogeneidad espacial usando los marcos GWR y MGWR.