用途：在 CARTO 中构建地理加权回归（GWR）工作流，建模因变量与一个或多个自变量之间随空间变化的关系。与全局回归只给出一套系数不同，GWR 为每个空间单元生成局部系数，揭示关系如何随空间变化。
主要能力：按“源数据 → 过滤 → 空间索引（H3/Quadbin）→ 按单元聚合 → GWR → 保存”的流水线组织。使用 native.gettablebyname 加载数据，native.wheresimplified 或 native.where 过滤，native.h3frompoint 或 native.quadbinfromgeopoint 建立空间索引，native.groupby 按单元聚合，native.gwr 执行回归，native.saveastable 保存结果。GWR 参数包括 index_column（默认 h3）、label_column（因变量）、features_columns（自变量数组）、kernel_function（默认 gaussian，另有 uniform、triangular、quadratic、quartic）、kring_distance（默认 3）、fit_intercept（默认 true）。输出列含 index、intercept、各变量局部系数、r_squared、residual。
使用方式：需先加载 carto-create-workflow 了解开发流程、JSON 结构与验证命令，覆盖 MCP 工作流工具（create_workflow、validate_workflow、run_workflow）与 carto workflows CLI 两条路径。分辨率参考：H3 res 7 约 5 km 边缘（城市级）、res 8 约 2 km（社区级）、res 9 约 500m（街道级，需密集数据）。
适用场景：房价与卧室/浴室数量等局部关系分析、Airbnb 评分建模、结合 Data Observatory 丰富自变量、系数制图、按 r_squared 过滤、残差用于 Getis-Ord 热点分析。
限制：GWR 组件依赖 Analytics Toolbox，离线验证无法解析其位置，需先用 CLI 的 carto workflows verify-remote --connection <conn> 确认；因变量必须连续且数值型；任一变量为空的单元会被排除；自变量间多重共线性会降低效果；高分辨率下稀疏数据导致系数不可靠；features_columns 为列名数组而非逗号分隔字符串；输出列名为 index 而非原空间索引列名；Snowflake 上未加引号的标识符为大写。部分细节暂未提供。