Atrast karstos punktus rīks nosaka, vai jūsu telpiskajos datos ir kādi statistiski nozīmīgi klasteri.
Pat nejaušos telpiskajos modeļos ir novērojama klasterizācija. Bez tam, mūsu acis un smadzenes dabīgi mēģina atrast piemērus, pat ja to nav bijis. Līdz ar to, var būt grūti zināt, vai jūsu datu piemēri ir reālu telpiskos procesu, vai nejaušības rezultāts. Tāpēc pētnieki un analītiķi izmanto statistikas metodes, kā Atrast karstos punktus (Getis-Ord Gi*), lai skaitļotu telpiskos piemērus. Kad jūs atrodat statistiski nozīmīgus klasterus jūsu datos, jums ir vērtīga informācija. Zinot, kur un kad gadās klasteri, var sniegt svarīgus pavedienus par veicinošiem procesiem. Zināšanas par to, ka, piemēram, dzīvokļu laupīšanu skaits atsevišķos rajonos ir lielāks, ir svarīga informācija profilakses stratēģijās, lai sadalītu ierobežotos policijas resursus, uzsāktu kvartālu novērošanas programmas, atļautu padziļinātu izmeklēšanu krimināllietās vai konstatētu iespējamos aizdomās turamos.
Punkta vai laukuma slānis, kuram tiks meklēti karstie un aukstie punkti.
Šī analīze atbildēs uz jautājumu: Kur telpiski rodas augstu un zemu vērtību klasteri?
Ja jūsu dati ir punkti un izvēlēsities iespēju Punktu skaits, šis rīks novērtēs punktu elementu telpisko izkārtojumu, lai atbildētu uz jautājumu: Kur ir punkti, kas negaidīti veido klasterus vai izkliedējas?
Ja izvēlēsities lauku, šis rīks novērtēs ar katru elementu saistīto vērtību telpisko izkārtojumu, lai atbildētu uz jautājumu: Kur telpiski rodas augstu un zemu vērtību klasteri?
Pēc noklusējuma tiek skaitīti punkti zvejas tīkla režģī, ko rīks izveido, ņemot vērā jūsu punktu datus. Varat arī izvēlēties skaitīt punktus sešstūra režģī vai nodrošināt laukumu slāni (parasti tie atspoguļo administratīvās ziņošanas rajonus, piemēram, tautas skaitīšanu, pašvaldību robežas vai apgabalus), lai atbildētu uz jautājumu: Ņemot vērā punktu skaitu katrā laukuma elementā, vai ir vietas ar statistiski nozīmīgu telpisko klasteru augstu vai zemu punktu skaitu?
Uzzīmējiet vai norādiet slāni, kas definē, kur iespējami incidenti, lai atbildētu uz jautājumu: vai laukumos ir izvietojumi ar negaidīti augstu vai zemu punktu koncentrāciju?
Uzzīmētais laukums vai jūsu norādītie laukuma elementi, kur punkti iespējami varēs gadīties. Lai zīmētu šos laukumus, noklikšķiniet uz pogas Zīmēt un pēc tam noklikšķiniet uz atrašanās vietas kartē, lai izveidotu laukuma formu. Lai zīmētu papildu laukumus, vēlreiz noklikšķiniet uz pogas Zīmēt un pēc tam noklikšķiniet uz atrašanās vietas kartē, lai turpinātu.
Reizēm var būt nepieciešams analizēt modeļus, kuri ņem vērā pamata sadalījumus. Piemēram, ja jūsu punkti atspoguļo noziedzību, dalot ar kopējo iedzīvotāju skaitu, iegūsit noziegumu analīzi uz vienu iedzīvotāju, nevis neapstrādātu noziegumu skaitu. Atribūta dalītāja izvēli nereti dēvē par normalizēšanu.
Ja izvēlēsities sadaļu Esri iedzīvotāji, katrs laukuma elements tiks bagātināts ar iedzīvotāju vērtībām, kuras tiks izmantotas kā atribūts — dalītājs. Šī opcija patērē kredītus.
Rīks piemeklēs optimālos iestatījumus vienumu Šūnu izmērs un Attāluma josla noklusējumiem, pamatojoties uz datu raksturlielumiem. Tomēr, ja ir konkrēts Šūnu izmērs vai Attāluma josla, kas ir piemērots jūsu analīzei, sadaļā Ignorēšanas opcijas var iestatīt šīs vērtības.
Sadaļa Ignorēšanas opcijas ir noderīga arī, veicot dažādu datu kopu analīzi, jo tā ļauj saglabāt vienumus Attāluma josla un Šūnu izmērs konsekventus vairākās datu kopās. Tā jūs varat atbilstoši salīdzināt rezultātus, piemēram, par aptaukošanās un diabēta vai paveikto kriminālnoziegumu rādītājiem divos dažādos gados.
Režģa šūnu, kurās tiek skaitīti punkti, izmērs.
Izmantojot sešstūra režģi punktu skaitīšanai, šis attālums tiek izmantots kā sešstūru augstums.
Katrs elements tiek analizēts saistībā ar tiem blakus esošajiem elementiem, kas atrodas jūsu norādītajā attālumā. Rīks var aprēķināt noklusējuma attālumu, kā arī jūs varat izmantot šo opciju, lai iestatītu konkrētu attālumu, kas ir vispiemērotākais jūsu analīzei.
Piemēram, ja pētījums ir par svārstmigrācijas modeļiem, un jūs zināt, ka vidējais attālums līdz darbam ir, piemēram, 24,14 km, jūs kā attāluma joslu savai analīzei varat iestatīt 24,14 km.
Norādiet slāņa nosaukumu, kas tiks izveidots sadaļā Mans saturs un pievienots kartei. Rezultāta slānis rādīs statistiski nozīmīgus augstu un zemu vērtību klasterus vai punktu skaitu. Ja rezultātu slāņa nosaukums jau pastāv, jums tiks lūgts to pārdēvēt.
Lietojot iespēju Saglabāt rezultātu nolaižamajā sarakstlodziņā, jūs varat norādīt mapes nosaukumu sadaļā Mans saturs, kur tiks saglabāts rezultāts.