Nepiederošu vienumu atrašana
Rīks Nepiederošu vienumu atrašana nosaka, vai jūsu telpiskajos datos ir kādi statistiski nozīmīgi nepiederošie vienumi.
- Vai jūsu datos ir anomāliju zonas (kriminālnoziegumi, koki, satiksmes negadījumi)? Kā jūs varat būt drošs?
- Vai jūs esat atklājuši statistiski patiešām nozīmīgus nepiederošos vienumus (tērēšanas paradumus, zīdaiņu mirstību, nemainīgi augstu pārbaužu rezultātus) vai jūsu karte stāstītu citu stāstu, ja jūs mainītu tās simbolizācijas veidu?
Ik reizi, paskatoties uz karti, mūsu acīm un smadzenēm ir tendence meklēt modeļus pat tad, ja tādu nav. 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, tostarp Nepiederošu vienumu atrašana (Anselin Local Moran's I), lai skaitļotu telpiskos piemērus. Kad jūs atrodat statistiski nozīmīgus nepiederošos vienumus datos, jums ir vērtīga informācija. Zināšanas par to, kur un kad ir parādījušies nepiederošie vienumi, var sniegt svarīgas norādes par procesiem, kas veicina redzamos modeļus. Nākamajā solī vajadzētu izpētīt, kāpēc šajās nepiederošo vienumu zonās dati ievērojami atšķiras. Zināšanas par to, ka, piemēram, dzīvokļu laupīšanu skaits atsevišķos rajonos ir lielāks, lai gan tuvumā esošajos rajonos laupīšanu skaits ir mazs, ir svarīga informācija profilakses stratēģijās, lai sadalītu ierobežotos policijas resursus, uzsāktu kvartālu novērošanas programmas, atļautu padziļinātu izmeklēšanu krimināllietās vai konstatētu iespējamos aizdomās turamos.
Izvēlēties slāni, kuram tiks aprēķināti nepiederošie vienumi
Punkts vai laukuma slānis, kurā tiks meklēti nepiederošie vienumi.
Atrast nepiederošus vienumus šim:
Šī analīze atbild uz jautājumu: kur manos datos ir telpiski nepiederošie vienumi?
Ja jūsu dati ir punkti, un jūs izvēlaties iespēju Punktu skaits, šis rīks novērtē punktu elementu telpisko izkārtojumu, atbildot uz jautājumu: kur punkti ir neparedzēti sagrupēti vai izkliedēti?
Ja izvēlēsities lauku, šis rīks novērtēs ar katru elementu saistīto vērtību , lai atbildētu uz jautājumu: kur ir zemas vērtības, ko ieskauj augstas vērtības? Kur ir augstas vērtības, ko ieskauj zemas vērtības?
Skaitīt punktus šajās robežās:
Pēc noklusējuma tiek skaitīti punkti režģa tīklā, 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 augstu vai zemu punktu skaitu salīdzinājumā ar blakus esošajiem rajoniem?
Nosakiet, kur punkti ir iespējami
Vai nu 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.
Dalīt ar
Reizēm var būt nepieciešams analizēt modeļus, kuros ņemta vērā pamatā esošā izplatīšana. Piemēram, ja punkti atspoguļo noziedzību, tad, dalot ar kopējo iedzīvotāju skaitu, iegūsiet noziegumu analīzi uz vienu iedzīvotāju, nevis neapstrādātu noziegumu skaitu. Atribūta dalītāja izvēli nereti dēvē par normalizēšanu.
Izvēloties sadaļu Esri iedzīvotāji, katrs laukuma elements tiks bagātināts ar iedzīvotāju vērtībām, kuras tiks izmantotas kā atribūts — dalītājs. Šī izvēle patērē kredītus.
Optimizēt
Jūs varat izvēlēties optimizēt ātrumu un precizitāti.
Šis rīks izmanto permutāciju, lai noteiktu, cik ļoti jūsu datu telpiskais modelis atšķiras no izlases. Palielinot permutāciju skaitu, palielinās precizitāte, taču tāpat palielinās arī apstrādes laiks.
Ignorēt opcijas
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 salīdzināt rezultātus (piemēram, par aptaukošanās un diabēta vai paveikto kriminālnoziegumu rādītājiem divos dažādos gados).
Šūnu izmērs
Režģa šūnu, kurās tiek skaitīti punkti, izmērs.
Izmantojot sešstūra režģi punktu skaitīšanai, šis attālums tiek izmantots kā sešstūru augstums.
Attāluma kanāls
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 piemērots 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 varat iestatīt 24,14 km.
Rezultātu slāņa nosaukums
Norādiet slāņa nosaukumu, kas tiks izveidots sadaļā Mans saturs un pievienots kartei. Šis rezultāta slānis rādīs statistiski nozīmīgus augstu un zemu vērtību nepiederošos vienumus 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.