از میان روشهای مختلف خطی برای برآورد پارامترهای مدل، روش Ordinary Least Squares یا همان حداقل مربعات معمولی به خاطر خواص مطلوبی (البته هنگامی که فروض این روش برقرار باشند) که دارد به عنوان پرکاربردترین و غالب ترین روش شناخته شده است. در آمار، حداقل مربعات معمولی یا کمینه مربعات معمولی روشی است برای برآورد پارامترهای مجهول در مدل رگرسیون خطی از طریق کمینه کردن اختلاف بین متغیرهای جواب مشاهده شده در مجموعه داده است.

در این آموزش به کاربرد رگرسیون وزنی جغرافیایی یا Geographically Weighted Regression در بررسی روابط مکانی بین داده ها و پیداکردن مهمترین عامل تاثیرگذار (به صورت محلی) برروی متغیر وابسته و نقشه کردن آن، همچنین پیش بینی صحیح بر پایه مدل ایجاد شده پرداخته می شود.

 این روش ها در بسیاری علوم از جمله: علوم پزشکی، بهداشت، کشاورزی، منابع طبیعی، محیط زیست، جغرافیا، شهرسازی، برنامه ریزی شهری، علوم زمین، علوم اجتماعی، اقتصاد، علوم سیاسی و مهندسی برق و… کاربرد دارند.

 بررسی مهمترین عوامل تاثیر گذار بر روی متغیر وابسته در نگاه سطحی ساده به نظر می رسد اما یکی از سخت ترین و مهمترین مراحل مدل سازی رگرسیون است. در این آموزش به کاربرد رگرسیون حداقل مربعات معمولی یا Ordinary least Squares در تجزیه و تحلیل روابط مکانی بین داده ها و الگوهای مکانی عوامل مستقل پرداخته شده است. رگرسیون حداقل مربعات معمولی یک روش رگرسیون عمومی یا Global می باشد