Otsi võõrväärtusi
Võõrväärtuste otsimise tööriistaga saab määrata, kas andmete ruumimustris on statistiliselt olulisi võõrväärtusi.
- Kas teie andmete mustris on ebaharilikke alasid (kuriteod, puud, liiklusõnnetused jms)? Kuidas saate selles kindel olla?
- Kas olete tõeliselt uurinud statistiliselt olulisi võõrväärtusi (nt kulutused, imikusuremus püsivalt kõrge skooriga jms) või muutub kaardi sisu vastavalt sümboloogiale?
Iga kord, kui kaarti vaatame, on meie silmadel ja ajul kombeks hakata otsima mustreid, isegi kui neid ei ole. Seega võib olla raske mõista, kas mustrid teie andmetes on tingitud reaalsetest geograafilises ruumis aset leidvatest protsessidest või lihtsalt juhuslikust kokkusattumisest. Seetõttu kasutavad uurijad ja analüütikud ruumimustrite mõõtmiseks statistilisi meetodeid, nagu näiteks tööriista "Otsi võõrväärtusi" (numbriliste väärtuste lokaalse koondumise näitajad, Anselin Local Moran's I). Kui olete andmetes leidnud statistiliselt olulised võõrväärtused või klastrid, on see väärtuslik info. Teadmine, kus ja millal võõrväärtused esinevad, annab olulisi vihjeid protsesside kohta, mis ilmnevad nähtavates mustrites. Järgmiseks sammuks on uurida, miks on asjad nendel võõrväärtuste aladel märkimisväärselt erinevad. Teades näiteks, et mingis linnaosas on eluhoonetes toime pandud murdvarguste arv märkimisväärselt suurem kui seda ümbritsevates väiksema murdvarguste arvuga linnaosades, on see oluliseks infoks, kui teil on vaja kaaluda tõhusamaid ennetusstrateegiaid, jaotada piiratud kaitseressursse, algatada naabrivalve programme, lubada põhjalikumat eeluurimist või tuvastada võimalikke kahtlusaluseid.
Vali kiht võõrväärtuste arvutamiseks
Punkti- või joonekiht, mille põhjal võõrväärtused arvutatakse.
Otsi võõrväärtusi:
See analüüs annab vastuse küsimusele, kus on andmetes ruumilised võõrväärtused.
Kui teie andmeteks on punktid ja tegite valiku Punktide arv, hindab tööriist punktobjektide paiknemise ruumilist korrapära, saamaks vastust küsimusele, kus on punktid oodatust teisiti klasterdatud või hajutatud.
Välja valimisel hindab tööriist iga objektiga seotud väärtuste paiknemise ruumilist korrapära, saamaks vastust küsimusele, kus ümbritsevad suured väärtused väikseid väärtusi. Kus ümbritsevad suured väärtused väikseid väärtusi?
Loenda piiridesse jäävad punktid
Vaikimisi loendatakse võrkruudustikus olevaid punkte. Tööriist loob ruudustiku punktandmete põhjal. Teise võimalusena saate loendada kuusnurk-ruudustiku punkte või sisestada piirkonnakihi (tavaliselt kajastavad need linnaosade rahvastiku arvu, omavalitsuste piire, maakondi jms), et vastata küsimusele, kas arvestades iga pindobjekti piires loendatud punktide arvu, eksisteerib võrreldes nende naaberlinnaosadega statistiliselt kõrge või madala tasemega punkte.
Määratle, kus saavad punktid olla
Joonistage või sisestage kiht, mis määratleb, kus on sündmused võimalikud, et vastata küsimusele, kas aladel on olemas kohad, kus esineb ootamatult suurel või vähesel määral punkte.
Pindobjektid, mida joonistate, või objektid kihis, mille määrate, annavad ettekujutuse, kus punktid võiksid tõenäoliselt esineda. Nende alade joonistamiseks klõpsake nuppu Joonista ning seejärel klõpsake piirkonna kujundi loomiseks soovitud asukohta kaardil. Täiendavate alade joonistamiseks klõpsake uuesti joonistamisnuppu, jätkamiseks klõpsake soovitud asukohta kaardil.
Jagamine:
Vahel võite soovida analüüsida mustreid, mis võtavad arvesse alusjaotusi. Kui Teie punktid tähistavad näiteks kuritegusid, tähendab kogurahvastiku alusel jagamine, et kuritegusid analüüsitakse inimese kohta mitte nende üldarvu järgi. Jagamise aluseks oleva atribuudi valimist nimetatakse sageli normimiseks.
Kui teete valiku Esri rahvastik, rikastatakse iga pindobjekt rahvastikuarvu väärtustega, mida kasutatakse seejärel jagamise aluseks võetava atribuudina. Selle valiku puhul kasutatakse krediite.
Optimeeri järgmise jaoks
Võite valida kiiruse või täpsuse optimeerimise.
See tööriist kasutab ümberpaigutamist, et määratleda, kui palju erineb teie andmete ruumimuster juhuslikust ruumimustrist. Ümberpaigutuste arvu suurendamine suurendab täpsust, aga ka töötlusaega.
Alistamisvalikud
Tööriist leiab lahtri suuruse optimaalse seade ja vahemaa vaikeväärtused teie andmete karakteristikute põhjal. Kui teil on oma analüüsi jaoks olemas kindel lahtrisuurus või vahemaa, saate nende väärtuste seadistamiseks kasutada alistamisvalikuid.
Alistamisvalikud on kasulikud ka erinevate andmestike analüüsimisel, võimaldades teil hoida vahemaa ja lahtri suuruse püsivana mitmes andmestikus. Nii saate võrrelda näiteks kahe erineva aasta tulemusi rasvunud inimeste ja diabeetikute arvu või isegi kuritegude arvu kohta.
Piksli suurus
Ruudustiku lahtrite suurus, mida kasutatakse punktide loendamiseks nendes.
Punktide lugemisel kuusnurk-ruudustikus kasutatakse vahemaad kuusnurkade kõrgusena.
Vahemaa
Igat objekti analüüsitakse nende kõrvalobjektide kontekstis, mis asuvad teie määratud vahemaa piires. Tööriist arvutab teie jaoks vaikevahemaa või te saate kasutada võimalust seadistada teie analüüsi jaoks sobiva konkreetse vahemaa.
Näiteks kui uurite kodust tööle liikumise teekonna mustreid ja teate, et keskmine teekond tööle on näiteks 15 km, võiksite kasutada 15-kilomeetrist vahemaad.
Tulemkihi nimi
Sisestage kihi nimi, mis luuakse jaotises Minu sisu ja lisatakse kaardile. See kiht näitab statistiliselt olulisi suurte ja väikeste väärtustega punktihulkade võõrväärtusi. Kui tulemkiht on juba olemas, palutakse teil see ümber nimetada.
Kasutades rippmenüüd Salvesta tulemused, saate jaotises Minu sisu määrata selle kausta nime, kuhu tulemused salvestatakse.