Hot spotok keresése
A Hot spotok keresése eszközzel meghatározható, hogy létezik-e statisztikailag szignifikáns klaszterezés az adatok térbeli mintázatában.
- Valóban klaszterezettek a kiválasztott pontok (bűntények, fák, közlekedési balesetek)? Hogyan tudhatja biztosan?
- Valóban statisztikailag szignifikáns hot spotra bukkant (kiadások, gyermekhalandóság, következetesen magas vizsgapontszámok), vagy mást sugallna a térkép, ha megváltoztatná a jelképezés módját?
Még a véletlenszerű térbeli minták is mutatnak bizonyos fokú klaszterezettséget. Ezenkívül szemünk és agyunk természetes módon mintázatokat kezd keresni, ott is, ahol nem léteznek ilyenek. Ebből adódóan nehéz megítélni, hogy az adatok mintázata valóban működő térbeli folyamatok, vagy pusztán egy véletlenszerű választás eredményei. A kutatók és elemzők emiatt a Hot spotok keresése eszközhöz hasonló statisztikai módszereket (Getis-Ord Gi*) használják a térbeli mintázatok mennyiségi meghatározására. Az adatok között talált, statisztikailag szignifikáns klaszterek értékes információt képviselnek. A klaszterek előfordulásának helye és ideje a látható mintázatokat előidéző folyamatokkal kapcsolatos, fontos információ az elemzések során. Lényeges információ annak ismerete , hogy a lakásbetörések száma például egy adott környéken következetesen magasabb: ekkor hatékony megelőzési stratégiákat kell kidolgozni, korlátozott rendőri erőforrásokat kell beosztani, lakossági figyelőszolgálatot kell megszervezni, bűncselekmények mélyreható nyomozását kell engedélyezni, vagy potenciális gyanúsítottakat kell azonosítani.
A réteg kiválasztása, amelynek hot spot-jait ki szeretné számítani
A pont vagy terület réteg, amelyeknek hot spotjait és cold spotjait („meleg” és „hideg” pontjait) az eszköz megtalálja.
Magas és alacsony értékek klasztereinek keresése
Ez az elemzés arra a kérdésre ad választ, hogy: Hol találhatók a magas és alacsony értékek térbeli klaszterei?
Ha pont adatok esetén a Pontok száma lehetőséget választja, az eszköz a pontszerű vektor elemek térbeli elrendezésének értékelésével válaszol a kérdésre: Hol csoportosulnak nem várt módon illetve helyezkednek el szétszórtan az adatok?
Ha kiválaszt egy mezőt, az eszköz az egyes vektoros elemekhez társított értékek térbeli elrendezését értékelve válaszol a következő kérdésre: Hol találhatók magas és alacsony értékklaszterek?
Pontok számlálása ezen belül
Alapértelmezés szerint az eszköz a pontadatok alapján létrehozott fishnet hálón belüli pontokat számlálja. További lehetőségként választhatja egy hatszögletű rácson belüli pontok számlálását vagy terület réteg megadását (ezek jellemzően közigazgatási egységek, például számlálókörzetek, települési határok vagy megyék lesznek), választ keresve arra a kérdésre, hogy az egyes terület vektoros elemeken belül megszámlált pontok számát tekintve vannak-e olyan helyek, amelyeken statisztikailag szignifikáns a magas vagy alacsony pontszámok térbeli klaszterezése?
Pontok lehetséges helyének meghatározása
Rajzoljon vagy adjon meg egy a balesetek lehetséges helyét meghatározó réteget, választ keresve arra a kérdésre, hogy: Vannak-e a területeken belül olyan helyek, ahol váratlanul magas vagy alacsony a pontok koncentrációja?
A megrajzolt terület vektoros elemek vagy a megadott terület rétegen belüli vektoros elemek határozzák meg a pontok lehetséges előfordulásának helyét. A területek megrajzolásához kattintson a Rajzolás gombra, és a térképen egy helyre kattintva hozzon létre egy terület alakzatot. További területek rajzolásához kattintson újra a Rajzolás gombra, majd a folytatáshoz kattintson egy helyre térképen.
Osztás ezzel
Esetenként előfordulhat, hogy mögöttes eloszlásokat figyelembe vevő mintákat kíván elemezni. Ha például a pontok bűntényeknek felelnek meg, akkor a teljes népességen alapuló osztás az egy főre eső bűntényeket adná eredményül pusztán a bűntények száma helyett. Egy attribútum osztás alapjaként történő kiválasztását gyakran normalizálásnak nevezik.
Esri Population kiválasztásával a polygonok népességadatokkal bővíthetők, amelyek ezután az osztás alapjául szolgáló attribútumként használhatók. Ez az opció krediteket használ.
Felülírási opciók
Az eszköz megkeresi a Cellaméret és a Távolságsáv optimális beállításait az adatok jellemzői alapján. Ha azonban egy bizonyos Cellaméret vagy Távolságsáv célszerű az elemzéshez, akkor a Felülírási opciók is használhatók az értékek beállítására.
A Felülírási opciók hasznosak különböző adathalmazok elemzésekor is; segítségükkel a Távolságsáv és a Cellaméret több adathalmazban is következetesen tartható. Ezután pontosan összehasonlíthatja az eredményeket (például az elhízottság és a cukorbetegség, vagy akár két különböző év bűnözésének arányát).
Cellaméret
Az eszköz a rácsháló celláinak méretét használja a cellákban található pontok számlálásához.
Ha hatszög alakú hálózatot használ a benne található pontok számlálásához, akkor ez a távolság a hatszög magassága lesz.
Távolságsáv
Az eszköz az egyes vektoros elemeket a szomszédos vektoros elemekkel összefüggésben elemzi, a megadott távolságon belül. Az eszköz kiszámít egy alapértelmezett távolságot, vagy az opció használatával is beállíthat egy bizonyos, az elemzéshez célszerű távolságot.
Ha például ingázási mintázatokat kíván elemezni, és tudja, hogy a munkába vezető út például átlagosan 15 mérföld, akkor célszerű lehet 15 mérföldes távolságsávot használnia az elemzéshez.
Eredmény réteg neve
Adja meg a Saját tartalom alatt létrejövő és a térképhez hozzáadott vektoros réteg nevét. Az eredmény réteg megjeleníti a magas és alacsony értékek vagy pontszámok statisztikailag szignifikáns klasztereit. Ha az eredmény réteg neve már létezik, akkor a program megkéri, hogy nevezze át.
Az Eredmény mentési helye legördülő mezőben megadhatja a Saját tartalom mappájának nevét, ahová az eszköz menti az eredményt.