Aykırı Değerleri Bul

Aykırı Değerleri Bul

Aykırı Değerleri Bul aracı, verilerinizin mekansal modelinde istatistiksel olarak anlamlı aykırı değer olup olmadığını belirler.

Aykırı Değerleri Bul Aracı bu sorulara kendinizden emin olarak cevap vermenize yardımcı olur.

Bir haritaya her baktığımızda, ortada olmasa bile gözümüzün ve beynimizin ilk aradığı şeyin bir desen olması doğaldır. Sonuçta verilerinizdeki yapıların gerçek mekansal süreçlerin sonuçları olarak mı yoksa yalnızca rastgele mi ortaya çıktığının anlaşılması zordur. İşte bu nedenle araştırmacılar ve analistler mekansal modelleri sayısallaştırmak için Aykırı Değerleri Bul (Anselin Local Moran İndeksi) gibi istatistiksel yöntemleri kullanır. Verilerinizde istatistiksel olarak anlamlı aykırı değerler belirlediğinizde elinizde önemli bilgiler var demektir. Aykırı değerlerin nerede ve ne zaman oluştuğunun bilinmesi, gördüğünüz desenleri kullanan süreçler hakkında önemli ipuçları sağlayabilir. Bir sonraki adım, bu aykırı değerli alanların neden belirgin biçimde değişkenlik gösterdiğinin araştırılmasıdır. Örneğin, konut bölgelerindeki hırsızlıkların belirli komşu bölgelerde daha düşük hırsızlık oranına sahip komşularla çevrilmiş olmasına karşın, önemli ölçüde daha yüksek olduğunun bilinmesi; etkili önlem stratejilerinin tasarlanması, sınırlı güvenlik gücü kaynaklarının atanması, komşu bölgeleri izleme programlarının hayata geçirilmesi, ayrıntılı kriminal araştırmaların yürütülmesi veya potansiyel şüphelilerin belirlenmesi gereken durumlarda hayati öneme sahiptir.

Aykırı değerlerin hesaplanacağı katmanı seçin

Aykırı değerlerin bulunacağı nokta veya alan katmanı.

Aykırı değerleri bul

Bu analiz şu soruyu yanıtlar: Verilerimdeki mekansal aykırı değerler nerede bulunuyor?

Verileriniz nokta ise ve Nokta Sayısı seçeneğini belirlerseniz, bu araç nokta detaylarının mekansal düzenlemesini değerlendirerek şu soruyu yanıtlar: Noktaların beklenmedik şekilde kümelendiği veya dağıldığı yerler neresidir?

Bir alan seçerseniz, bu araç her detayla ilişkilendirilen değerlerin mekansal düzenlemesini değerlendirerek şu soruları yanıtlar: Düşük değerlerin yüksek değerlerle çevrildiği yerler nerede? Yüksek değerlerin düşük değerlerle çevrildiği yerler nerede?

Şuradaki noktalar sayılsın:

Varsayılan işlem, nokta verilerinize dayanarak araç tarafından oluşturulan bir balık ağı çerçevesindeki noktaların sayılmasıdır. Alternatif olarak, şu soruya yanıt vermek için altıgen bir kılavuz içindeki noktaları saymayı veya bir alan katmanı (genelde bunlar nüfus sayımı alanları, belediye sınırları ya da ilçeler gibi resmi yönetim bölgelerini yansıtır) sağlamayı tercih edebilirsiniz: Her alan detayında sayılan nokta sayısı düşünüldüğünde, yüksek ya da düşük nokta sayısının komşularına kıyasla istatistiksel olarak anlamlı olduğu konumlar var mı?

Noktaların nerede bulunabileceğini tanımla

Şu soruya yanıt vermek için bir katman çizin ya da noktaların bulunabileceği katmanı sağlayın: Alanlar içinde beklenmedik şekilde yüksek ya da düşük nokta yoğunluğuna sahip konum var mı?

Çizdiğiniz alan detayları ya da belirttiğiniz alan katmanındaki detaylar, noktaların oluşma olasılığı olan yerleri tanımlamalıdır. Bu alanları çizmek için Çiz düğmesine tıklayın ve alan şekli oluşturmak için harita üzerindeki bir konuma tıklayın. Ek alanlar çizmek için çiz düğmesine yeniden tıklayın ve daha sonra harita üzerindeki bir konuma tıklayarak işleme devam edin.

Bölü

Bazen, görünmeyen dağılımları dikkate alan yapıları analiz etmek isteyebilirsiniz. Örneğin, suç vakalarını temsil eden noktalarınız toplam nüfus rakamıyla bölünürse, ham suç sayısı yerine kişi başına düşen suç vakası sayısı ile analiz yapma olanağı elde edilir. Bir öznitelik ile bölme işlemi, sık sık normalleştirme olarak adlandırılır.

Esri Population uygulamasının seçilmesi, her alan detayını nüfus değerleriyle zenginleştirir, bunlar daha sonra bölen değeri için kullanılacak öznitelik olarak değerlendirilir. Bu seçenek için kredi kullanılması gerekir.

Şunun için optimize et:

Hız veya doğruluk amaçlı optimizasyon tercihi yapabilirsiniz.

Bu araç, verilerinizin mekansal deseninin rastgelelikten ne kadar farklı olduğunu belirlemek için permütasyon kullanır. Permütasyon sayısının artırılması, doğruluğu artırmakla birlikte işlem süresini uzatır.

Geçersiz Kılma Seçenekleri

Araç, verilerinizin özelliklerine dayanarak en uygun Hücre Boyutu ve Mesafe Bandı varsayılan ayarlarını bulur. Bununla birlikte, analiziniz açısından anlamlı belirli bir Hücre Boyutu veya Mesafe Bandı değeri varsa, söz konusu değerleri ayarlamak için Seçenekleri Geçersiz Kıl işlevi kullanılabilir.

Seçenekleri Geçersiz Kıl, analizi farklı veri kümeleri üzerinde çalıştırırken de yararlıdır; birden çok veri kümesinde Mesafe Bandı ve Hücre Boyutu değerlerini tutarlı kullanmanıza olanak tanır. Bu şekilde, sonuçları uygun biçimde (örneğin iki farklı yıl için obezite ve diyabet ve hatta suç oranlarını) karşılaştırabilirsiniz.

Hücre Boyutu

İçindeki noktaların sayılması için kullanılan kılavuz hücrelerinin boyutu.

İçindeki noktaları saymak için bir altıgen kılavuz kullanılırken, bu mesafe değeri altıgenlerin yüksekliği olarak kullanılır.

Mesafe Bandı

Her detay, belirttiğiniz mesafe içindeki söz konusu komşu detaylar kapsamında analiz edilir. Araç, otomatik olarak varsayılan bir mesafe hesaplar veya bu seçeneği kullanarak analiziniz açısından anlamlı olan belirli bir mesafe değeri ayarlayabilirsiniz.

Örneğin, işe ulaşım modellerini inceliyor ve işe gidişte kat edilen ortalama mesafenin 15 km olduğunu biliyorsanız, 15 km'lik bir mesafe bandı kullanabilirsiniz.

Sonuç katmanı adı

İçeriğim alanında oluşturulacak ve haritaya eklenecek katman için bir ad girin. Bu sonuç katmanı size yüksek ya da düşük değerlerin ya da nokta sayılarının istatistiksel olarak anlamlı aykırı değerlerini gösterir. Sonuç katmanı adı zaten mevcutsa, bunu yeniden adlandırmanız istenir.

Sonuçları kaydet açılır kutusunu kullanarak İçeriğim alanında sonucun kaydedileceği klasör adını belirleyebilirsiniz.