De tool Afwijkingen vinden bepaalt of er sprake is van statistisch significante afwijkingen in het ruimtelijke patroon van uw data.
Telkens we naar een kaart kijken, is het natuurlijk dat onze ogen en hersenen patronen trachten te vinden, ook als er geen zijn. Als gevolg daarvan kan het moeilijk zijn om te bepalen of patronen in uw gegevens het resultaat zijn van echte ruimtelijke processen of gewoon het resultaat van toevalligheden. Onderzoekers en analisten gebruiken daarom statistische methoden zoals Afwijkingen zoeken (Anselin Local Moran's I) om ruimtelijke patronen te kwantificeren. Als u toch statistisch significante afwijkingen of clusters in uw data vindt, beschikt u over waardevolle informatie. Als u weet waar en wanneer afwijkingen optreden, kunt u op zoek gaan naar belangrijke hints over de processen die de patronen die u ziet bevorderen. De volgende stap zou zijn om te onderzoeken waarom dingen significant verschillend zijn in die afwijkende gebieden. Als u weet dat het aantal woninginbraken bijvoorbeeld aanzienlijk hoger ligt in bepaalde buurten, ondanks het feit dat deze omringd zijn door buurten met lage inbraakcijfers, dan beschikt u over essentiële informatie wanneer u efficiënte preventiestrategieën moet ontwikkelen, schaarse politiemiddelen moet inzetten, buurtwachten moet opzetten, diepgaande misdaadonderzoeken moet goedkeuren of mogelijke verdachten moet identificeren.
De punt- of lijnenlaag waarmee de dichtheid zal worden gevonden.
Deze analyse beantwoordt de vraag: Waar bevinden zich de ruimtelijke afwijkingen binnen mijn data?
Als uw data bestaat uit punten en u kiest Punttellingen, zal deze tool de ruimtelijke ordening van de puntobjecten evalueren om de volgende vraag te beantwoorden: Waar zijn punten onverwacht geclusterd of uitgespreid?
Als u een veld kiest, zal deze tool de ruimtelijke ordening van de waarden geassocieerd met elk object om de vraag te beantwoorden: Waar zijn de lage waarden omringd door hoge waarden? Waar zijn de hoge waarden omringd door lage waarden?
Standaard worden punten geteld met een visnetraster gemaakt door de tool gebaseerd op uw puntgegevens. U kunt er ook voor kiezen om punten binnen een zeshoekig raster te tellen of een gebiedlaag op te geven (doorgaans geven deze administratieve districten weer zoals censustrajecten, gemeentelijke grenzen of provincies) om de volgende vraag te beantwoorden: Zijn er locaties met statistisch significante ruimtelijke clustering van hoge of lage punttellingen op basis van het aantal punten geteld binnen elk gebiedobject?
Teken een laag of geef deze op om te bepalen waar incidenten mogelijk zijn om de vraag te beantwoorden: Zijn er binnen de gebieden locaties met onverwacht hoge of lage puntconcentraties?
De vlakobjecten die u tekent of de objecten in de vlakkenlaag die u opgeeft, moeten bepalen waar punten mogelijk kunnen optreden. Om deze gebieden te tekenen, klikt u op de Tekenen-knop en vervolgens klikt u op een locatie op de kaart om een gebied te maken. Om extra gebieden te tekenen, klikt u nogmaals op de knop voor tekenen en klikt u op een locatie op de kaart om verder te gaan.
U wilt misschien soms patronen analyseren die rekening houden met onderliggende verdelingen. Als uw punten bijvoorbeeld misdrijven vertegenwoordigen, zorgt het delen door de totale bevolking voor een analyse van de misdrijven per hoofd van de bevolking in plaats van een misdaadcijfer. Het kiezen van een attribuut om door te delen wordt vaak normalisatie genoemd.
Door te kiezen voor Esri-populatie wordt elk gebiedobject geografisch verrijkt met bevolkingswaarden die dan gebruikt worden als het object om door te delen. Deze optie verbruikt credits.
U kunt ervoor kiezen om de snelheid of de nauwkeurigheid te optimaliseren.
Deze tool gebruikt permutatie om te bepalen hoe verschillend van de willekeurigheid het ruimtelijke patroon van uw data is. Door het aantal permutaties te verhogen, wordt de nauwkeurigheid verhoogd, maar stijgt ook de verwerkingsduur.
De tool zoekt de optimale instellingen voor Celgrootte en Afstandbereik standaardwaarden op basis van de kenmerken van uw data. Maar als u een bepaalde Celgrootte of Afstandsband hebt dat duidelijker is voor uw analyse, kunnen de Override-opties gebruikt worden om die waarden in te stellen.
De Override-opties zijn ook nuttig als u een analyse uitvoert van verschillende datasets, waardoor u Afstandbereik en Celgrootte consistent kunt houden in meerdere datasets. U kunt vervolgens de resultaten gepast vergelijken (bijvoorbeeld, obesitas- en diabetescijfers of zelfs misdaadcijfers voor twee verschillende jaren).
De grootte van de rastercellen die gebruikt worden om punten te tellen die zich daarin bevinden.
Als u een zeshoekig raster gebruikt om punten erin te tellen, wordt deze afstand gebruikt als de hoogte van de zeshoeken.
Elk object wordt geanalyseerd binnen de context van die aangrenzende objecten die zich binnen de door u gespecificeerde afstand bevinden. De tool zal voor u een standaardafstand berekenen, of u kunt deze optie gebruiken om een bepaalde afstand in te stellen die voor uw analyse meer geschikt is.
Bijvoorbeeld, als u pendelpatronen bestudeert, en u weet dat de gemiddelde afstand naar de werkplek 15 kilometer is, bijvoorbeeld, dan gebruikt u best een afstandsband van 15 kilometer.
Geef een naam op voor de laag die in Mijn Content wordt gemaakt en aan de kaart wordt toegevoegd. Deze resultaatlaag zal u statistisch significante afwijkingen van hoge en lage waarden of punttellingen tonen. Als de resultaatlaag al bestaat, wordt u gevraagd er een nieuwe naam aan te geven.
Als u in de vervolgkeuzelijst Resultaat opslaan gebruikt, kunt u de naam opgeven van een map in Mijn Content waarin het resultaat wordt opgeslagen.