Está en la página 1de 64

GeoDa 0.9.

5-i Notas de la versión


TM

Luc Anselin

Laboratorio de Análisis Espacial


Departamento de Economía Agrícola y del Consumidor
Universidad de Illinois, Urbana-Champaign
Urbana, IL 61801

http://sal.agecon.uiuc.edu/

Espacialmente Centro de Ciencias Sociales Integrado

http://www.csiss.org/

Revisado 20 de enero de 2004

los derechos de © 2003-2004


autor c Luc Anselin, todos los derechos reservados
Contenido

Prefacio 1

Novedades de GeoDa 0.9.5-i 3


Nuevas características . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Re refinamientos y mejoras de las funciones existentes. . . . . . . . 4
Corrección de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

Estructura de los menús y botones de la barra de herramientas 7


Visión general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Elementos de menú . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

Manipulación de Datos Espaciales 13


Creación de archivos de forma de rejilla polígono. . . . . . . . . . . . . . . . . . 13 Creación de archivos
de forma de polígono de entrada BND. . . . . . . . . . . 15 Creación de ponderaciones espaciales. . .
. . . . . . . . . . . . . . . . . . . . 18 Thiessen polígonos. . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Cartografía 23
Cartograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Mapa de película. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 26

Análisis exploratorio de datos 29


Coordinar paralelo Terreno. . . . . . . . . . . . . . . . . . . . . . . . 29 Diagrama de puntos 3D. . . . . . . . . .
. . . . . . . . . . . . . . . . . . . 33 Parcela condicional. . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 Histograma.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Diagrama de caja. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 43

yo
Análisis de regresión espacial 45
Interfaz de regresión. . . . . . . . . . . . . . . . . . . . . . . . . . 46 ordinarios con los diagnósticos. . . . . . . .
. . . . . . 48 Máxima Verosimilitud en espacial Modelo Lag
. . . . . . . . . . . . . 53
Máxima Verosimilitud en el modelo de error espacial . . . . . . . . . . . . 55

Bibliografía 58

ii
Lista de Figuras

1 El menú inicial y barra de herramientas. . . . . . . . . . . . . . . . . . 7


2 Ventanas que se abren después de cargar el conjunto de datos de muestra SIDS2. . 8
3 El menú y la barra de herramientas completas botones. . . . . . . . . . . . 8
4 El elemento de menú herramientas. . . . . . . . . . . . . . . . . . . . . . . 9
5 El elemento de menú métodos. . . . . . . . . . . . . . . . . . . . . 9
6 menú Mapa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 7 herramientas de plano. . . . . . . . . . . . . . . .
. . . . . . . . . . . . 10 8
Explora menú. . . . . . . . . . . . . . . . . . . . . . . . . . . 11 9
Explora barra de herramientas. . . . . . . . . . . . . . . . . . . . . . . . . . 11 10 El elemento de menú tabla. . . . . . . . . . . . . . .

. . . . . . . . Menú 11 11 Espacio. . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 12 barra espaciadora. . . . . . . . . . . . . . . . . . . . . . . . . . .

12 13 El cuadro de diálogo rejilla creación. . . . . . . . . . . . . . . . . . . . . 13 14 A 10 por 10 enrejado regular. . . . . . . . . . . . . . . .

. . . . 14 15 Formato de entrada de texto cuadro delimitador fi l. . . . . . . . . . . . . 14 16 crear una cuadrícula de cuadro

delimitador en forma de archivo. . . . . . . . 15 17 condados de Carolina del Norte se combina con 5 por 20 red regular 16 18

Forma fi le de un texto límite archivo. . . . . . . . . . . . . . 16 19 Límite fi l formato. . . . . . . . . . . . . . . . . . . . . . . 16 20 forma de

Colón y la tabla de texto límite fi l. . . . . . 17 21 Las opciones para mayor contigüidad orden. . . . . . . . . . . . . . . 18 22

Distancia ff cuto en millas. . . . . . . . . . . . . . . . . . . . . 19 23 Distancia de pesos k vecinos más próximos archivos. . . . . . . . . .

19 24 Pesos características con islas. . . . . . . . . . . . . . . opción del cuadro delimitador 20 25 para los polígonos de

Thiessen. . . . . . . . . . cuadro delimitador 20 26 defecto para los polígonos de Thiessen. . . . . . . . . . rectángulo de selección

basados ​en Polígono 22 27 para los polígonos de Thiessen. . . . . . 22 28 cartograma circular para las tasas de Carolina del

Norte (SMSL opción del cuadro delimitador 20 25 para los polígonos de Thiessen. . . . . . . . . . cuadro delimitador 20 26

defecto para los polígonos de Thiessen. . . . . . . . . . rectángulo de selección basados ​en Polígono 22 27 para los polígonos

de Thiessen. . . . . . 22 28 cartograma circular para las tasas de Carolina del Norte (SMSL opción del cuadro delimitador 20

25 para los polígonos de Thiessen. . . . . . . . . . cuadro delimitador 20 26 defecto para los polígonos de Thiessen. . . . . . . . .

. rectángulo de selección basados ​en Polígono 22 27 para los polígonos de Thiessen. . . . . . 22 28 cartograma circular para

las tasas de Carolina del Norte (SMSL SIDR74) . . 24 29 Selección de bisagra valor atípico en cartograma. . . . . . . . . . . . . 24

30 Los valores atípicos en cartograma tasa Sids utilizando una bisagra de 3. . . . . . . 25

iii
31 La mejora de la distribución de la cartograma. . . . . . . . . . . . . 25 32 Los valores atípicos
en cartograma tasa Sids vinculados al mapa base. . . . . . 26 33 Inicio de un mapa de la película
acumulativo. . . . . . . . . . . . . . . . 27 34 Pausa de una película mapa acumulativo. . . . . . . . . . . . . .
. . 28 35 Un mapa de la película terminada acumulativo. . . . . . . . . . . . . . 28 36 La selección de
variables para PCP. . . . . . . . . . . . . . . . . . . . las variables 30 37 PCP seleccionados. . . . . . . . . . .
. . . . . . . . . . . 30 38 PCP para las variables Columbus. . . . . . . . . . . . . . . . . . . 30 39 PCP
cambiar el orden de variable de

. . . . . . . . . . . . . . . . . . . 31
40 opciones de PCP. . . . . . . . . . . . . . . . . . . . . . . . . . . 31 41 PCP usando variables
estandarizadas. . . . . . . . . . . . . . . . 32 42 El cepillado de la PCP. . . . . . . . . . . . . . . . . . . . . . . . 32
43 La selección de variables para el gráfico de dispersión 3D. . . . . . . . . . . . . . 33 44 gráfico de
dispersión 3D vista inicial. . . . . . . . . . . . . . . . . . . 34 45 gráfico de dispersión girado 3D. . . . . . . .
. . . . . . . . . . . . . 34 de la caja 46 Selección de nube de puntos 3D. . . . . . . . . . . . . . . . . 35 47 El
cepillado de la nube de puntos 3D usando el control deslizante. . . . . . . . . 36 48 de forma libre el
cepillado de la nube de puntos 3D. . . . . . . . . . . 36 49 Vinculación entre la nube de puntos 3D y
otras ventanas. . . . . 37 50 Vinculación entre el mapa y gráfico de dispersión 3D. . . . . . . . . . . 37
51 Tipos de parcelas condicionales. . . . . . . . . . . . . . . . . . . . 38 52 parcela Condicional selección
variable. . . . . . . . . . . . . . . 39 53 Puesta en marcha de las parcelas condicionales. . . . . . . . . . . . .
. . . 39 54 parcela mapa condicional. . . . . . . . . . . . . . . . . . . . . . . 39 55 El movimiento de las asas
en la trama condicional. . . . . . . . . . . 40 56 diagrama de caja condicional. . . . . . . . . . . . . . . . . . . .
. . . 41 57 histograma condicional. . . . . . . . . . . . . . . . . . . . . . 42 58 gráfico de dispersión
condicional. . . . . . . . . . . . . . . . . . . . . 43 59 Nueva histograma mirada. . . . . . . . . . . . . . . . . . . . . .
. 44 60 Nuevo aspecto gráfico de caja. . . . . . . . . . . . . . . . . . . . . . . . 44 61 configuración de
salida de análisis de regresión. . . . . . . . . . . . . . . 46 62 La selección de variables para el análisis
de regresión. . . . . . . . . . . . 47 63 de pesos espaciales de selección fi l. . . . . . . . . . . . . . . . . . . 48
64 A partir del análisis de regresión, modelo clásico. . . . . . . . . 49 65 Ahorro de valores y
residuos predijo, modelo clásico

. . . . . 50
66 Selección de los nombres de variables de salvado valores y resid- predijeron
UALs, modelo clásico . . . . . . . . . . . . . . . . . . . . . . . . 50
67 Los valores predichos y los residuos añaden a la tabla. . . . . . . . . 51 68 Finalización del
análisis de regresión, modelo clásico . . . . . . . . 51
69 Resultados, modelo clásico . . . . . . . . . . . . . . . . . . . . . . 52

iv
70 El análisis de regresión espacial, Lag modelo. . . . . . . . . . . . . . 53 71 Resultados, modelo
retardo espacial. . . . . . . . . . . . . . . . . . . . 54 72 El análisis de regresión espacial, modelo de
error. . . . . . . . . . . . . 55 73 Resultados, modelo de error espacial. . . . . . . . . . . . . . . . . . . 56

v
Prefacio

Estas notas de la versión se refieren a la tercera o la liberación fi cial de la GeoDa TM software para el análisis de datos
geológicos, una actualización a la versión 0.9.5-i, publicado en Enero
23, 2004. La primera versión fi remonta al 5 de febrero de 2003. Los títulos complementan el GeoDa TM
Guía 0.9 del usuario ( Anselin 2003) que acompañó a la segunda versión o fi cial del software, versión
0.9.3, lanzado el 4 de junio,
2003. En el resto de las notas de la versión, ese documento se denominará como el Guía de usuario.

Muchos aspectos importantes de la utilización del software no se repiten aquí. Todas las
funciones básicas, información básica sobre el software y el texto completo de todas las licencias
pertinentes se incluyen en el Guía de usuario. La versión actual señala únicas adiciones de
documentos y cambios en el software, y se debe utilizar junto con la versión 0.9 Guía de usuario.

El desarrollo detrás de esta versión de GeoDa TM ha sido facilitada por el apoyo a la investigación
continuó a través de la Fundación Nacional de Ciencia de EEUU Grant BCS-9978058 al Centro de
Ciencias Sociales espacialmente integrada (CSISS), y por la subvención RO1 CA 95949-01 del Instituto
Nacional del Cáncer. Las fuentes de financiación para la versión anterior del software y sus
antecedentes se pueden encontrar en el Guía de usuario.

Muchas gracias a los estudiantes en el otoño de 2003 clases de ACE 492SA, análisis espacial, y
ACE 492SE, econometría espacial, o FF Ered a través del Departamento de Economía Agrícola y del
Consumidor de la Universidad de Illinois, Urbana-Champaign, por ser tan buenos deportes en servir
como conejillos de indias para varias iteraciones de lo que se llama “la versión 095i.” GeoDa 'S
creciente comunidad de usuarios ha contribuido considerablemente, así, con los informes de errores,
peticiones de características y otra información útil de muchos usuarios a la designación individual.
Su continuo interés es muy apreciada.

Marcas comerciales y licencias

• GeoDa TM es una marca comercial de Luc Anselin, Todos los derechos reservados.
• GeoDa incorpora bibliotecas licencia de ESRIs MapObjects LT2; ESRI, ArcGIS ArcView, y
MapObjects son marcas comerciales de Environmental Systems Research Institute,
Redlands, CA

• GeoDa incorpora código derivado de fuentes públicamente disponibles bajo varias licencias
generosas (las licencias detalladas se enumeran en el apéndice de la Guía de usuario):

- el MFC Grid Control 2,24 por Chris Mauder

- Código ANN por David Monte y Sunil Arya

- el algoritmo de polígono Thiessen de Yasuaki Oishi

• otras compañías y productos mencionados en este documento son marcas comerciales o marcas
comerciales registradas de sus respectivos propietarios

El equipo GeoDa

• Director del Proyecto: Luc Anselin

• Diseño y Desarrollo de Software: Luc Anselin, Ibnu Syabri, Youngihn Kho y Oleg Smirnov

• Documentación y formación Materiales técnicos: Luc Anselin y Julia Koschinsky

2
Novedades de GeoDa 0.9.5-i

GeoDa 0.9.5-i contiene varias mejoras menores y xes bug Fi a la versión anterior, así como totalmente
nueva funcionalidad para el mapeo (cartograma), análisis exploratorio de datos (coordinar parcela
paralelo, gráfico de dispersión 3D y parcelas condicionales) y regresión espacial. Un breve resumen de
los principales cambios e innovaciones se da a continuación. 1 Una discusión más completa de las
características, antecedentes metodológicos y la interfaz de usuario correspondiente se da en las
secciones restantes.

Nuevas características

Manipulación de datos

• la creación de forma de polígono fi les para celosías regulares o rejillas de entrada de usuario
básica sobre la estructura de la red

• la construcción de forma de polígono fi les de información de límites contenida en una


entrada ascii fi le

Cartografía

• un cartograma circular, la implementación de algoritmo de autómatas celulares de Dorling


(Dorling 1996), totalmente unida y brocha

• mapas condicionales (ver parcelas condicionales)

Análisis exploratorio de datos

• paralela coordinar parcela (PCP) para la exploración de datos multivariados, con la vinculación y el
cepillado

1 Para poner de relieve los elementos nuevos, se les da títulos de las secciones azules en el resto de las notas de la versión.

3
• gráfico de dispersión tridimensional, con la vinculación y el cepillado

• parcelas condicionales, utilizando dos variables condicionantes para explorar la distribución de una
tercera variable

- Mapa condicional, gráfica de frecuencias, histograma y diagrama de dispersión

La regresión espacial

• Por mínimos cuadrados ordinarios con un diagnóstico completo de los efectos espaciales (I de Moran,
estadísticas multiplicador de Lagrange), así como las pruebas habituales contra heterocedasticidad y
falta de normalidad

• la estimación de máxima verosimilitud del retardo espacial y los modelos de error espaciales, con la
inferencia asintótica

Re refinamientos y mejoras de las funciones existentes

Interfaz de usuario

• la estructura del menú estándar se ha reorganizado ligeramente

- nuevos elementos para Tabla, Espacio, y Regreso

- el análisis de autocorrelación espacial fue trasladado de la anterior


Explorar menú para Espacio

• un elemento de métodos se ha agregado al menú de abertura para permitir el análisis de


regresión sin iniciar un proyecto (es decir, sin la carga de una forma fi l en el proyecto)

• los botones de la barra de herramientas se han reorganizado ligeramente

- nuevos botones de la barra se han añadido para el Cartograma, PCP, Parcela


condicional, y el 3-D gráfico de dispersión

- una nueva barra de herramientas acoplable se incluye con botones para activar las diferentes
funciones de mapa (mapa de cuantiles, mapa caja de texto, mapa de desviación estándar, percentil
mapa, mapa y Cartograma película)

- los botones de la barra de autocorrelación espacial fueron separados de la barra de herramientas


EDA

• los botones de la barra de herramientas para la apertura de un nuevo mapa y la duplicación de un mapa tienen un nuevo

aspecto

4
• el valor predeterminado para la ventana del mapa ahora muestra la leyenda; en versiones anteriores el
usuario tenía que abrir explícitamente el panel leyenda arrastrando el lado izquierdo de la ventana de la
derecha

Manipulación de Datos Espaciales

• un cuadro delimitador personalizado puede ser especificados en la creación de polígonos de Thiessen;


Anteriormente, sólo el cuadro de límite para los mismos puntos se utilizó

• mayor de cálculo para la contigüidad contiene ahora una opción para la inclusión de todos los
vecinos de orden inferior (el valor predeterminado anterior) o el cálculo de una mayor contigüidad
orden “pura”

• pesos distancia archivos y pesos vecino k-más cercanas ahora contienen la distancia
“correcta” entre los puntos como la tercera columna de la GWT fi le; anteriormente este valor
se reajustarán y no es útil para la interpretación

• el error tipográfico “umbral” ha sido fijada

• las características de los pesos histograma tiene un nuevo aspecto y cationes más flexible clasi fi,
con islas adecuadamente comprendidos por tener cero vecinos

Cartografía

• la herramienta de selección predeterminado de punto de la forma fi les es ahora el círculo (anteriormente, era un

rectángulo)

• la mapa Película fue revisada a fondo, con una nueva interfaz, lo que permite de partida
interactivo y detener (pausa), así como de rebobinado y de paso a través

Análisis exploratorio de datos

• la histograma luce una nueva imagen y utiliza una rampa de color continuo

• la Diagrama de cajas ha sido ligeramente rediseñado y muestra la mediana con más claridad

Mesa

• Mesa funciones que ahora se pueden invocar desde el menú principal; Anteriormente, esto era
sólo un clic derecho en la tabla

5
• tablas se pueden guardar después de la eliminación de columnas (variables)

Corrección de errores

• la clasificacion para el mapa percentil es ahora correcta; en las versiones anteriores, una
observación adicional puede haber sido incluido en el percentil más alto

• el cálculo de la desviación estándar es fijo; esto podría un ff ect muchas funciones,


incluyendo las clasi fi caciones en el mapa de desviación estándar y los cálculos en el gráfico
de dispersión de Moran Moran y el local

• la coordinación entre los mapas de LISA para las variables Erent di ff es fijo; hubo situaciones
en que todos los mapas se hicieron idénticos cuando se analizó una segunda variable

• problemas con la selección en el mapa cuando se utilizan herramientas de selección di ff Erent son fijo;
cuando se cambia entre las herramientas de selección no era un comportamiento extraño

• varios errores menores en la Tabla de tasas y los cálculos se fi ja

• varias cuestiones relacionadas con “raro” sin memoria errores al cargar tablas o forma fi les
fueron XED fi; el error de falta de memoria, de hecho, tenía nada que ver con la memoria, pero
indica problemas con fi l de formatos, todos conocidos tales problemas han sido fi jo (incluyendo
aquel en el que el nombre fi l no pudo comenzar con una “T”)

6
Estructura de los menús y botones de la barra de

herramientas

La estructura del menú ha sido reorganizado ligeramente y se han añadido nuevas barras de herramientas para
facilitar la construcción del mapa y el análisis de autocorrelación espacial. A continuación, se da una visión general
de la estructura principal, seguido de un examen detallado de los cambios y adiciones a los menús y barras de
herramientas individuales.

Visión general

Al igual que en la versión 0.9.3, la ventana que aparece después de que el programa ha sido lanzado contiene un
menú ed simplifica que permite el acceso a Herramientas, tales como la construcción de ponderaciones espaciales y
transformaciones de datos espaciales, sin tener que empezar de forma explícita un proyecto (y cargar una forma fi le).
UNA métodos artículo se ha añadido a este menú, para invocar la funcionalidad de regresión espacial directamente.
Esto es especialmente útil en el análisis de grandes conjuntos de datos, ya que evita la necesidad de actualizar todas
las ventanas relacionadas, incluyendo potencialmente una tabla de datos muy grande. El menú inicial se muestra en
la Figura 1. Como antes, sólo dos elementos de la barra de herramientas están activos, la primera de las cuales se
utiliza para poner en marcha un proyecto, como se ilustra en la figura.

Figura 1: El menú inicial y barra de herramientas

Después de abrir el proyecto, el diálogo habitual solicita el nombre del fi l

7
dar forma a fi le y la Llave variable. Después de hacer clic en el DE ACUERDO botón, se abre una ventana de mapa, que

muestra el mapa de base para los análisis, como en la Figura 2. La principal rencia di ff con versiones anteriores es que

los espectáculos de ventanas por defecto (parte de) el panel de leyenda en el tamaño de la mano izquierda. Al igual que

antes, esto puede cambiar el tamaño arrastrando el separador entre las dos hojas (el panel de la leyenda y el panel de

mapa) a la derecha oa la izquierda.

La figura 2: Ventana de apertura después de cargar el conjunto de datos de muestra SIDS2

Con un fi forma le cargado, el menú completo y todas las barras de herramientas están activos, como en la Figura

3. La barra de menús contiene tres nuevos artículos: Tabla, Espacio y

Regreso. La barra de herramientas tiene dos nuevos conjuntos de botones acoplables, Espacio y Mapa,

y un poco reorganizaron Explorar barra de herramientas. los pesos barra de herramientas se ha movido hacia la izquierda. Dos iconos

de la Editar barra de herramientas de deporte de una nueva mirada.

Figura 3: El menú completo y la barra de herramientas botones

8
Elementos de menú

Menú de herramientas

los Herramientas menú está disponible con y sin un fi forma cargado le y es idéntica en ambos casos.
Como demostración en la Figura 4, hay dos nuevos elementos.
Herramientas> Forma> Los polígonos de cuadrícula construye una forma de polígono fi l para una red regular o
rejilla, sobre la base de la entrada de usuario simple, tales como las coordenadas de las esquinas inferior
izquierda y superior derecha, el número de filas y el número de columnas (ver p. 13). Herramientas> Forma> Los
polígonos de BND crea una forma de polígono fi LE en base a las coordenadas de los límites contenidos en una
entrada ascii fi le (ver p. 15).

Figura 4: El elemento de menú herramientas

métodos Menú

los métodos menú sólo está disponible cuando no hay forma fi le ha sido cargado en el proyecto. Su
único uso es para invocar la funcionalidad de regresión espacial, como se muestra en la Figura 5. La
interfaz es idéntica a la utilizada en el Regreso
menú dentro de un proyecto (ver pág. 45).

Figura 5: El elemento de menú métodos

9
Hay una importante rencia di ff entre el uso de la funcionalidad de regresión a través del menú
mostrado en la Figura 5 y a través de la Regreso elemento en el menú principal en la figura 3. Cuando
invocado sin una forma fi le con el métodos
menú, el análisis de regresión lee los datos directamente desde el dBase fi le, sin mostrar los
contenidos de la tabla en la ventana. Esto evita la sobrecarga requerida para la vinculación y el
cepillado y es típicamente la única forma práctica para analizar grandes conjuntos de datos (10.000
observaciones y más).

mapa de menús

los Mapa menú (Figura 6) contiene un elemento nuevo, la cartograma ( véase p. 23). los Mapa barra de
herramientas, que se muestra en la Figura 7, es nuevo. Contiene botones para invocar a los tipos de mapas
coropletas familiares (de izquierda a derecha, cuantil, percentil, de desviación estándar, y el mapa caja -con
dos vallas), el cartograma y el mapa de la película (tanto individual y acumulativa, ver pág. 26).

Figura 7: Mapa barra de herramientas

Figura 6: Mapa de menú

10
Explora Menú

los Explorar menú incluye tres nuevos elementos: la Paralelo Coordinar la parcela ( véase p. 29), la 3D
Gráfico de dispersión ( véase p. 33), y el Terreno condicional ( véase p. 38), como se muestra en la
figura 8. Los elementos de análisis de autocorrelación espacial y la tabla se han movido a su propio
menú (ver p. 12). los
Explorar barra de herramientas, la Figura 9, contiene los iconos de las seis funciones de EDA, así como un botón
para activar los datos Mesa.

Figura 9: Explora barra de herramientas

Figura 8: menú Explorar

Menú mesa

los Mesa menú (Figura 10) contiene todas las operaciones en elementos de tabla.

Figura 10: El elemento de menú tabla

11
Tenga en cuenta que los elementos de la Mesa menú son idénticos a lo que se obtiene cuando se hace clic
derecho en una mesa activa.

Menú espacio

los Espacio menú es nuevo y grupos las funciones para llevar a cabo análisis de autocorrelación espacial, como
se ilustra en la Figura 11. En las versiones anteriores, estas se incluyeron en el Explorar menú. Los botones de la
barra de herramientas a juego (Figura 12) se combinan juntos en una barra de herramientas por separado
acoplable.

Figura 12: barra de herramientas Espacio

Figura 11: menú Espacio

12
Manipulación de Datos Espaciales

Dos nuevas funciones de entrada de datos espaciales se han añadido a la Herramientas menú. También
hay cambios menores en los cálculos de pesos espaciales, y una nueva opción se añadió a la construcción
de polígonos de Thiessen.

Archivos forma de rejilla Polígono creando

Herramientas> Forma> Los polígonos de cuadrícula da la posibilidad de construir un fi forma de polígono le


para una red regular o rejilla de entrada de usuario simple. La cuadrícula regular es cuadrado o rectangular y
tiene los números de observación a partir de la esquina superior izquierda y el aumento a la derecha y luego
hacia abajo, fila por fila. La Figura 13 ilustra el cuadro de diálogo principal.

Figura 13: El cuadro de diálogo rejilla creación

13
El enfoque más sencillo es introducir las coordenadas de la esquina inferior izquierda y superior
derecha y para especificar el número de filas y columnas, como se muestra en la Figura 13. Para el
ejemplo dado allí, el resultado es un 10 por 10 red regular, como en Figura 14. La forma fi le contiene
tres campos: un identi cador fi ( POLYID), el área de la celda de la cuadrícula ( ZONA), y el perímetro ( PERÍMETRO).

Cualquier otro dato hay que añadir por medio de la unión de tablas funcionalidad.

Figura 14: Un 10 por 10 celosía regulares

Un segundo enfoque es leer la información del cuadro delimitador de un texto fi l. Esta fi le tiene un
formato muy simple, como se muestra en la Figura 15. Contiene el número de filas, el número de
columnas, la X, Y coordenadas de la esquina inferior izquierda, y el X, Y coordenadas de la esquina
superior derecha. Estos elementos pueden estar en la misma línea, separados por espacios en blanco
(espacio o ficha), o en líneas consecutivas; una comas separó fi le hace no trabajo.

Figura 15: Formato del cuadro delimitador de entrada de texto fi le

Sin embargo, una tercera bases de aproximación de las rejillas en el cuadro delimitador asociados con una forma de

archivo. Tenga en cuenta que este método sólo es correcto para las formas proyectadas. Cuando las coordenadas son

sin proyección lat-lon, puede haber distorsiones de

14
extensiones más grandes. Las coordenadas de las esquinas de la caja de contorno (como se lee de la fi forma le)
determinar la extensión de la red. El tamaño de las celdas de la cuadrícula individuales se deduce de la cantidad de
filas y columnas especí fi cados, como se muestra en la Figura 16, utilizando la medida de la forma de SIDS fi le
como el cuadro delimitador.

Figura 16: Crear una cuadrícula de cuadro delimitador en una forma fi le

El resultado se ilustra en la Figura 17. Para ilustrar el e ff ect de la elección cuadro delimitador, el
contorno original de los condados de Carolina del Norte se superpone a las 5 de 20 de celosía,
después de aplicar una Editar> Agregar capa
mando. Nótese la ligera distorsión en las celdas de la cuadrícula, debido al hecho de que la forma SIDS fi le
es sin proyección.

La creación de archivos de forma de polígono de entrada BND

Herramientas> Forma> Polígono en BND crea una forma poligonal fi l de la información contenida en el límite de
una entrada de texto fi l. El cuadro de diálogo, como se muestra en la figura 18, requiere que el nombre de la fi
forma de salida le y el texto de entrada fi l. La entrada fi l debe seguir un formato muy especí fi co, similar a los
formatos utilizados en la forma de funcionar del BND. El único formato soportado hasta ahora es el formato de
BND “1a”, tal como se especifica en GeoDa 'Forma de s función de salida. El formato se explica cuando la función
de ayuda se invoca, haciendo clic en el signo de interrogación en el cuadro de diálogo mostrado en la figura 18,
produciendo la Figura 19.

15
Figura 17: condados de Carolina del Norte se combina con 5 por 20 celosía regulares

Figura 18: Forma fi le de un texto límite fi


le
Figura 19: Límites fi le formato

El formato compatible fi l para el texto fi l consiste en una línea de cabecera, que contiene el número de
observaciones y el nombre de la variable para el Llave variables, separados por una coma. A continuación,
para cada observación sigue una línea con el CARNÉ DE IDENTIDAD y el número de vértices que definen el
polígono, de nuevo commaseparated. Entonces el X, Y coordenadas se dan, por comas separó y en una
línea separada para cada punto. Esto se repite para cada polígono en el conjunto de datos. Por ejemplo, el
contenido de la entrada de fi le para los datos de Columbus serían:

49, POLYID
1,14
8.62413,14.237

dieciséis
8.5597,14.7424
8.80945,14.7344
. . .
8.6429,14.0897
8.63259,14.1706
8.62583,14.2237
2,46
. . .

La fi forma resultante le puede cargar en GeoDa de la forma habitual. Por ejemplo, usando el texto
de entrada fi le para Columbus produce la forma fi le muestra en la Figura 20. La tabla de datos, también
se ilustra en la figura, contiene tres campos: el er fi identi original ( POLYID), área, perímetro, y un simple
secuencial identi fi cador ( ID de registro).

Figura 20: forma Columbus y la tabla de texto límite fi le

17
La creación de ponderaciones espaciales

los pesos funcionalidad en el Herramientas menú se ha revisado ligeramente. Esto una ff ECTS mayor
cálculo contigüidad fin, los pesos basados ​en la distancia y las características de pesas.

Solicitar mayor contigüidad

Herramientas> Pesas> Crear invoca el diálogo habitual. Hay una nueva casilla de verificación debajo de la
selección del orden de contigüidad, como se muestra en la Figura 21. Seleccionando esta opción incluye
todos los vecinos de orden inferior hasta el orden específico ed. El valor por defecto (casilla de verificación no
se controla) sólo se computa “puro” contigüidad mayor orden, lo que hace no incluir los vecinos de orden
inferior.

Figura 21: Opciones para mayor contigüidad orden

Creación de pesos Distancia

El cálculo pesos distancia ahora utiliza la métrica de distancia correcta, tanto en la interfaz de usuario, así
como en los pesos resultantes fi l. Las unidades de distancia dependen de las unidades de las
coordenadas del mapa base. Cuando se almacenan estos puntos como grados decimales lat-lon sin
proyección, la distancia resultante estará en millas. Anteriormente, la distancia que se muestra se
reajustarán y no tenía una interpretación significativa.

18
En la Figura 22, la distancia ff corte o se muestra en la interfaz utilizando los condados de Carolina del
Norte es (aproximadamente) 29,9 millas. Las distancias calculadas se incluyen como la tercera columna en la
fi GWT le, tanto para la contigüidad basada en la distancia, así como para la k-vecinos más cercanos. Por
ejemplo, en la Figura 23, las distancias se enumeran (en millas) para los 4 vecinos más cercanos en el
ejemplo de Carolina del Norte.

Tenga en cuenta que en la versión actual de GeoDa, las distancias mismos no se utilizan, pero
sólo la información contigüidad resultante se tienen en cuenta.

Figura 22: Distancia cuto ff en millas

Figura 23: Distancia en k vecinos más


cercanos pesos archivos

Características pesos

El diseño del histograma utilizado para representar la estructura de conectividad en pesos espaciales
ha sido revisado. La clasi fi en categorías discretas se ha hecho más flexible y permite el ajuste de la
cantidad necesaria a través de la Opciones> Intervalos mando (en lo opciones menú o haciendo clic
derecho en el histograma). Además, una rampa de color continuo se utiliza para las barras del
histograma (véase también p. 43). Las islas son correctamente identificados y se muestra como
polígonos con 0 contigüidades.

En la Figura 24, esto se ilustra para contigüidad basada en la distancia usando un ff distancia de corte o de
28 millas para los condados de Carolina del Norte. Como se muestra en la Figura 22 esta es menor que la
distancia necesaria para garantizar la conectividad para todos los condados. Como resultado, los dos condados se
identifican como islas. Su ubicación se muestra mediante la vinculación con el mapa base.

19
Figura 24: Pesos características con islas

Los polígonos de Thiessen

Herramientas> Forma> Puntos a polígonos aparece un diálogo para especificar las opciones para la
creación de polígonos de Thiessen desde un punto de forma fi l. Una nueva opción se ha incluido, que
permite el uso de un cuadro de límite externo para determinar la extensión de la envolvente “rectángulo”
de los polígonos. En la interfaz, una casilla de verificación selecciona esta opción, que requiere un fi
forma le ser especi fi, como en la Figura 25.

Figura 25: Condiciones de selección opción caja para polígonos de Thiessen

20
El rencia di ff entre el defecto y el uso de esta opción se ilustra en las Figuras 26 y 27, utilizando los
centroides de los condados de Carolina del Norte como el punto de la forma de entrada de archivo. El
valor predeterminado (Figura 26) utiliza el cuadro de límite para el punto de fi le, que tiene los puntos
extremos en el límite. Típicamente, el rectángulo resultante será menor que la extensión de los condados
originales. En la Figura 27, la fi forma de polígono condado le era específico ed como el cuadro
delimitador. Tenga en cuenta que ahora hay algo de espacio entre los centroides y el límite exterior del
rectángulo. Esta última es idéntica a la caja de contorno de la forma del condado fi l, lo que facilita la
superposición de un SIG.

Aunque esta opción proporciona un grado de flexibilidad en la fijación de la caja de contorno, que no
permite a un cuadro delimitador forma externa que sería interno a los valores predeterminados para la
forma de punto. En otras palabras, el cuadro delimitador nunca lo hará excluir puntos de los polígonos de
Thiessen.

21
Figura 26: cuadro delimitador predeterminado para polígonos de Thiessen

Figura 27: a base de Polygon cuadro delimitador para los polígonos de Thiessen

22
Cartografía

UNA cartograma Se ha añadido un nuevo tipo de mapa y la mapa Película


funcionalidad ha sido multa sintonizado considerablemente.

cartograma

A cartograma es un mapa en el que el diseño original de las unidades de área se sustituye por una disposición
en la que el tamaño del área es proporcional a una variable dada.
GeoDa implementa un llamado cartograma circular, en la que los polígonos irregulares originales se
sustituyen por los círculos. La colocación de los círculos es tal que el patrón original es imitado tanto
como sea posible, tanto en términos de ubicación absoluta como en términos de ubicación relativa
(vecinos, o topología).
Esto se basa en un algoritmo de autómatas celulares no lineal debido a Dorling (1996). El tamaño
(área) de los círculos es proporcional al valor de la variable seleccionada.

El cartograma se invoca al seleccionar Mapa> Cartograma desde el menú o haciendo clic en el botón
de la barra cartograma. En la forma habitual, aparece el cuadro de diálogo de selección de variables.
Después de seleccionar la variable y haga clic en el DE ACUERDO botón, se llama la cartograma.

Por ejemplo, en la Figura 28 se muestra un cartograma para los 1974 tasas de SMSL ( SIDR74) para los condados de

Carolina del Norte. El cartograma utiliza un código de color para proporcionar información adicional acerca de los valores c

especificaciones, tales como valores negativos, cero y valores atípicos. El color por defecto es de color verde. Los valores

negativos se muestran como negro y ceros como transparente (blanco en el fondo por defecto). los valores extremos superiores

son de color rojo y los valores extremos inferiores son de color azul. La bisagra predeterminado que se utiliza para identificar los

valores atípicos es 1,5, lo que resulta en cuatro de estas observaciones en la Figura 28.

El valor por defecto para el criterio de valor atípico se puede cambiar: en el opciones
menú; haciendo clic derecho en el cartograma; o haciendo clic en el juego
Mapa cuadro botón de la barra de herramientas. Este cuadro de diálogo se ilustra en la Figura 29. Selección de 3 como de los

resultados de valor en un cartograma con sólo un valor atípico, como en la Figura 30.

23
Figura 28: cartograma circular para las tasas de Carolina del Norte (SMSL SIDR74)

Figura 29: Selección de bisagra valor atípico en cartograma

24
Figura 30: Los valores atípicos en cartograma tasa Sids utilizando una bisagra de 3

Figura 31: Mejora de la disposición de la cartograma

25
El cartograma utiliza un algoritmo no lineal a la posición y el tamaño de los círculos, que no
necesariamente converge a una solución aceptable después de que el número predeterminado de
iteraciones. Una opción se proporciona para calcular un adicional de 100, 500 o 1000 iteraciones y
mejorar la solución actual, como se ilustra en la Figura 31.

El cartograma es tratada de la misma manera que otras ventanas cuando se trata de cepillado y la
vinculación. Cualquier selección en otra ventana también se resaltará en el cartograma, y ​viceversa.
Por ejemplo, la Figura 32 muestra los valores atípicos en la cartograma vinculado a sus localizaciones
reales en el mapa del condado de Carolina del Norte.

Figura 32: Los valores atípicos en cartograma tasa Sids vinculados a mapa de base

mapa Película

los mapa Película es un intento de proporcionar una forma simple de la animación en un mapa GeoDa. Esto
se logra mediante ubicaciones destacando según su orden para una variable dada, de bajo a alto. Esto
le da a la misma e ff ect como cuando un diagrama de caja sería cepillado de la parte inferior a la parte
superior, una observación a la vez. los mapa Película se implementa, ya sea en una Acumulativo

forma o en una Soltero formar. En el Acumulativo versión, las observaciones se añaden a un conjunto de
selección acumulativa, lo que finalmente cubre todo el mapa. En contraste, en el Soltero forma, una sola
ubicación se muestra en cualquier momento.
los mapa Película se invoca desde el menú principal seleccionando Mapa> Mapa película>
acumulativa, o Mapa> Mapa película> individual, o haciendo clic en el

26
botón de la barra de herramientas. Una vez que se elige una variable en el cuadro de diálogo de costumbre, se abre la ventana de

mapa de la película, como en la figura 33 para los barrios de Colón. Este se compone de algunos controles en la parte superior y

el contorno superficial de costumbre.

Figura 33: Inicio de un mapa de la película acumulada

Hay cinco controles principales y una barra deslizante. los Jugar botón inicia (o re-titular) la operación de
la película. La rapidez con la que se muestran las ubicaciones en el mapa depende de la configuración de la
barra deslizante. Esta es una función de la velocidad del reloj de la máquina y es dependiente del hardware.
Al mover el botón de la barra deslizante hacia la izquierda acelera las cosas, moviéndose hacia la derecha
retarda la película hacia abajo. los Pausa botón detiene la película, como en la Figura 34, y Reiniciar despeja
el mapa. Después de la película está en pausa (o al principio), los botones de flecha, >> << y, paso a través
de la película de una observación a la vez, ya sea hacia adelante (>>) o hacia atrás (<<). Al final de un mapa
película acumulativa, todas las ubicaciones se seleccionan, como en la Figura 35.

El mapa de la película está vinculado a todos los demás ventanas en el proyecto actual. Sin embargo,
esta vinculación es un solo sentido, en el sentido de que los lugares seleccionados que aparecen en el
mapa de la película también se resaltarán en las otras ventanas. Sin embargo, las selecciones en otras
ventanas no un ff ect el mapa de la película (esto sería contrario al propósito de la animación). Más
importante aún, cualquier cambio en las selecciones en otras ventanas durante la operación de un mapa de
la película se romperá el mecanismo de enlace. Por la misma razón, no hay un cepillado en el mapa de la
película. Por último, si bien es posible hacerlo, no es una buena idea ejecutar dos películas mapa al mismo
tiempo. Se trata de definir en términos de las propias películas, pero el mecanismo de enlace será
inconsistente.

27
Figura 34: Pausa de una película mapa acumulativo

Figura 35: Un mapa de la película acumulada completado

28
Análisis exploratorio de datos

GeoDa 'S funcionalidad de análisis de datos exploratorio se ha ampliado con tres nuevos tipos de gráficos
de enlace dinámico: la coordenada paralelo trama, los tres gráfico de dispersión dimensional, y cuatro
parcelas condicionales (mapa condicional, diagrama de caja, histograma y gráfico de dispersión). Además,
los gráficos de histograma y la trama caja se rediseñaron ligeramente.

Coordinar paralelo Terreno

los Paralelo Coordinar la parcela ( PCP) es un método para explorar las relaciones multivariantes. Cada
variable bajo consideración se dibuja como una línea paralela en la que se registran los (coordenadas de
los) observaciones como puntos. Los puntos de coincidencia para cada observación se conectan y
forman una línea. Como resultado de ello hay tantas líneas como observaciones en el PCP.
Antecedentes sobre las ideas fundamentales y las cuestiones metodológicas se pueden encontrar en,
entre otros, Inselberg (1985) y Wegman (1990).

El PCP se puede utilizar para descubrir “grupos” entre las observaciones cuando su líneas muestran
patrones similares (es decir, grupo juntos de una manera distinta en el gráfico). Además, un patrón
común en las pendientes de las líneas de conexión coordenadas en ejes variables di ff Erent indica la
naturaleza de la “correlación” entre esas variables (positivos o negativos, o ninguna de modelado). El
PCP está vinculado a todos los demás gráficos y mapas, y puede ser cepillado.

los Coordinar paralelo Terreno se pone en marcha, seleccionándolo desde el menú principal, usando Explorar>
Parallel Coordinar Terreno, o haciendo clic en el botón de la barra de PCP. Esto abre el cuadro de diálogo de
selección de variables PCP, como en la figura 36. Las variables se incluyen seleccionándolos en el panel
lateral izquierdo y el uso de la> botón de flecha. Alternativamente, >> selecciona todas las variables, pero
esto por lo general no se recomienda para un PCP. La selección se puede modificar mediante el botón de
retroceso. Haga clic en OKAY ( La Figura 37) para lanzar la trama, que produce el PCP como se muestra en
la Figura 38.

29
Figura 36: La selección de variables para Figura 37: PCP variables seleccionadas
PCP

Figura 38: PCP para variables Columbus

Una mirada más cercana a la gráfica muestra el rango de cada variable que aparece entre paréntesis
junto al nombre de variable (en el tamaño de la mano izquierda). El orden de los ejes (variables) puede
cambiarse haciendo clic en el pequeño punto al lado del nombre de la variable (como en la Figura 39) y
arrastrándolo a “gota” en la parte superior de otra variable. Como resultado, los dos ejes cambian de lugar
en la trama. Reorganización del orden de variables de esta manera a veces puede facilitar el
descubrimiento de clusters y patrones.

30
El PCP implementado en GeoDa tiene un número limitado de opciones, que son invocados por hacer
clic derecho en el gráfico, ilustrados en la Figura 40. La primera de tres de estos son opciones estándar para
cualquier gráfico: guardar la imagen como un mapa de bits fi l, añadiendo las observaciones seleccionadas
como una variable ficticia a la mesa, y cambiar el Color de fondo. Este último es a menudo útil para una mejor
visibilidad de las observaciones seleccionadas, ya que el color de la selección por defecto de color amarillo
no es fácil de ver en el fondo blanco por defecto en la trama.

Los dos últimos de los cinco opciones Opciones PCP no son estándar. Ellos pertenecen a la escala
utilizada para los ejes horizontales. El valor por defecto es mantener las variables en sus escalas originales
(esto no es necesariamente una buena idea cuando las escamas son muy di ff Erent). La alternativa es la de
convertir las variables a las unidades de desviación estándar, que se obtiene con la Estandarizar conjunto de
datos opción. Este es un interruptor de palanca, por lo que uno de los dos siempre se ha seleccionado. La
Figura 41 ilustra la normalización sobre un fondo gris oscuro.

La PCP puede ser cepillado como cualquier otro gráfico. Una selección rectangular se puede mover
sobre las líneas como en la Figura 42. Esto selecciona las observaciones coincidentes en todos los otros
gráficos y mapas abiertos.

Figura 39: PCP cambiar el orden de variable


de
Figura 40: opciones PCP

31
Figura 41: PCP usando variables estandarizadas

Figura 42: El cepillado de la PCP

32
3D gráfico de dispersión

la exploración de datos multivariados en GeoDa se facilita aún más por la inclusión de un gráfico de
dispersión tridimensional. Esta característica es todavía algo experimental y puede no ser totalmente
estable en este punto. Implementa las manipulaciones de punto 3-D habituales, tales como la rotación,
zoom y la traducción de la gráfica, así como la vinculación y el cepillado.

los 3D gráfico de dispersión se inicia como Explorar> 3D Gráfico de dispersión en el menú, o haciendo
clic en el botón de la barra correspondiente. Esto nos lleva a la
Selección de los ejes de diálogo, como se muestra en la Figura 43. Para cada uno de los ejes en

Figura 43: La selección de variables para gráfico de dispersión 3D

la trama, la variable se selecciona de la lista desplegable de la forma habitual. Al hacer clic DE ACUERDO
genera la vista inicial de la trama 3-D, como en la figura 44. Obsérvese la posición de los ejes, con el eje z
que sale hacia el espectador (los ejes están codificados por colores para facilitar el seguimiento de ellos
durante la rotación y traslación) .

La trama es manipulado por medio de los botones del ratón. El botón izquierdo se utiliza para girar la
trama, el botón derecho para enfocar adentro o hacia afuera (moviendo el ratón hacia arriba o hacia
abajo), y los dos botones a traducir la trama (moverla hacia arriba o hacia abajo o hacia los lados). La
Figura 45 muestra una rotación, donde el eje z se hace vertical (los lugares más altos de criminalidad
son los más vertical) y los ejes xy forman el plano horizontal. La Figura 45 también ilustra la proyección de
los puntos sobre una de las planos laterales. En el lado izquierdo de la interfaz, la casilla de verificación
junto a xy proyecto se comprueba, que produce los puntos en el plano horizontal. En la ilustración, ya
que los ejes X e Y son las coordenadas, estas son las ubicaciones de los centroides zona de Columbus.

33
Figura 44: gráfico de dispersión 3D vista inicial

Figura 45: gráfico de dispersión girado 3D

La selección de observaciones en el gráfico de dispersión 3D se implementa por medio de un cuadro de


selección de tres dimensiones o volumen. Revisando el Seleccionar
caja en el panel de la izquierda genera el volumen predeterminado. Esto puede cambiar el tamaño moviendo los
deslizadores en el lado derecho puntos para cada una de las dimensiones, como se muestra en la Figura 46. La
seleccionados (esferas) se resaltan en amarillo.

34
Figura 46: Cuadro de selección en el gráfico de dispersión 3D

La selección se puede cambiar (cepillado) de dos maneras di ff Erent. En uno, los controles deslizantes en el lado
izquierdo en el panel junto a cada una de las dimensiones puede ser movido para cambiar la posición de la caja
de selección a lo largo de este eje. Por ejemplo, mover el control deslizante para el eje X, como se muestra en la
Figura 47, va a cambiar la posición de la caja a lo largo de la dimensión X, pero mantendrá su posición a lo largo
de las otras dos dimensiones fijas. Alternativamente, CTRL botón izquierdo del ratón permite el libre movimiento de
la caja de selección en todas las dimensiones (Figura 48).

Los puntos seleccionados en la trama de dispersión 3D son vinculado a todos los demás gráficos y
mapas. Esta cifra es ligeramente di ff Erent del enfoque estándar, en el sentido de que la dirección de los
asuntos de selección. Cuando el Seleccionar casilla de verificación está activada en la trama 3D, los puntos
seleccionados se resaltan en las otras parcelas. Sin embargo, esto no es continua (como en otros cepillado),
pero la selección se actualiza cada vez que se detiene el cepillo, es decir, cada vez que el cuadro rojo en la
parcela deja de moverse. Esto se ilustra en la Figura 49. Alternativamente, cuando se lleva a cabo el cepillado
en un mapa Erent di ff o gráfica, esto invalida la Seleccionar casilla de verificación en el terreno 3D. La
selección de los otros gráficos se pone de relieve como el amarillo en la trama 3D, pero sin la caja de selección
de color rojo, como se muestra en la Figura 50.

35
Figura 47: El cepillado de la nube de puntos 3D usando el control deslizante

Figura 48: Formulario libre cepillado del gráfico de dispersión 3D

36
Figura 49: Vinculación entre la nube de puntos 3D y otras ventanas

Figura 50: Vinculación entre mapa y gráfico de dispersión 3D

37
Terreno condicional

Las parcelas condicionales son otra manera de llevar a cabo la exploración de datos multivariados. El
principio fundamental detrás de estas parcelas es utilizar dos variables condicionantes al subconjunto de la
muestra de datos en distintas categorías. Las observaciones en cada una de estas categorías caen en una
gama fi específico para las variables de acondicionamiento. Un gráfico o mapa separado se dibuja para una
tercera variable en cada uno de los subconjuntos. Las ideas fundamentales detrás de este enfoque se
describen en Becker et al. (1996) y Carr et al. (2002), entre otros.

En GeoDa, cada una de las variables condicionantes puede tener tres subconjuntos, dando un total de nueve
subgrafos. Cuatro tipos de parcelas condicionales son compatibles: un mapa condicional, diagramas de caja
condicionales, histograma condicional y gráficos de dispersión condicionales.

Las parcelas se invocan como condicionales Explorar> Terreno Condicional en el menú, o haciendo clic en
el botón de la barra correspondiente. Esto nos lleva a un diálogo sencillo para seleccionar el tipo de gráfico, como
en la figura 51. Con el botón de radio comprobado junto al tipo de trama deseado, al hacer clic DE ACUERDO Abre
el diálogo de selección de variables.

Las variables se trasladaron a los respectivos ejes seleccionándolos de la lista desplegable y haga
clic en el juego> botón, como se muestra en la Figura 52. Después se introducen las variables para todos
los ejes, OKAY ( La Figura 53) se iniciará el gráfico seleccionado. Desde el mapa, gráfico de caja y el
histograma son parcelas univariados, sólo se requieren tres ejes. Para el gráfico de dispersión
condicional, se necesita un cuarto eje (la tercera es para la variable dependiente, o eje vertical en el
gráfico de dispersión, la cuarta la variable explicativa, o eje horizontal en el gráfico de dispersión).

Figura 51: Tipos de parcelas condicionales

38
Figura 52: Diagrama de Condicional selección Figura 53: Puesta en marcha de las parcelas

de variables condicionales

Figura 54: Diagrama de mapa Condicional

39
Los cuatro tipos de parcelas condicionales se ilustran mediante el ejemplo de Colón y una forma
muy simple de condicionamiento. El eje X es para el X
coordenadas y el eje Y para la Y coordina. En otras palabras, los nueve subtramas son para las localizaciones
seleccionadas que fi t el rango XY fi cado. Esto se muestra en la Figura 54 para un mapa de coropletas de la
variable CRIMEN. Tenga en cuenta que una rampa de color continuo se utiliza para el mapa de coropletas.

Las categorías de las variables condicionantes pueden cambiarse moviendo las manijas en el eje X
hacia la derecha o hacia la izquierda, y en el eje Y hacia arriba o hacia abajo. Esto alterará el número de
observaciones que caen en cada célula y por lo tanto poner de relieve cómo el patrón de la variable en
cuenta los cambios en di ff subconjuntos Erent de los datos. Por ejemplo, en la Figura 55, los barrios
adicionales se incluyen en el segundo Y nivel moviendo el Y mango inferior. Esto es más fácil de ver en la
célula segundo más alto en el lado de la mano izquierda, que estaba vacío en la Figura 54. También,
moviendo las asas a la derecha (eje X) o arriba (eje Y) se colapsa las categorías juntos. Si esto se hace
para todos los mangos, la trama en la esquina inferior izquierda será para el conjunto completo de datos.

Figura 55: El movimiento de las manijas en la trama condicional

40
En la Figura 56, el acondicionamiento se ilustra para los diagramas de caja. En cada una de las células,
un nuevo gráfico de caja se dibuja, utilizando la gama de los conjunto completo de datos como la referencia
(la altura de la caja es la misma en cada célula, y proporciona una referencia con respecto al conjunto
completo de datos). Sin embargo, la distribución en cada célula es potencialmente di Erent ff, con medianas
di ff Erent (la línea horizontal roja), cercas y valores atípicos. Los diagramas de caja siguen el nuevo formato
(véase también p. 43) y muestran el número de observaciones en cada célula en paréntesis. Cuando hay
menos de cinco observaciones en la célula (como en la esquina superior derecha de la Figura 56), se dibuja
no gráfico de caja.

Figura 56: diagrama de caja Condicional

Un enfoque similar se da por el histograma condicional, se muestra en la Figura 57. Las


categorías del histograma son fijo y se refieren a la distribución completa. Con el fin de cambiar esta
situación, tienen que ser ajustados en cada célula individual. Cada una de las células en la trama
condicional muestra la

41
observaciones que cumplen con los criterios de acondicionamiento y donde se comparan en el histograma. Cada
barra del histograma muestra el número de observaciones en esa clase en la parte superior.

Figura 57: histograma Condicional

Finalmente, el gráfico de dispersión condicional se ilustra en la Figura 58 para las variables CRIMEN
y CÍA. En cada celda una línea de regresión y su pendiente se dan si al menos dos observaciones están
presentes. La ubicación de los puntos de la trama se da siempre. Por ejemplo, en la celda superior
derecha de la Figura 58, sólo hay una observación (un punto en el gráfico de dispersión). Di ff pistas
Erent en las células Erent di ff sugieren una interacción e ff ect entre las variables de acondicionamiento
y la relación lineal entre las dos variables consideradas. Si no hay tal interacción, a continuación, las
pistas deben ser el mismo en todas las células.

42
Figura 58: gráfico de dispersión Condicional

histograma

Ahora, el histograma utiliza una combinación de colores Erent di ff para las barras del histograma. En vez de la
asignación de colores al azar, se utiliza una rampa de color continuo, como se ilustra en la Figura 59.

Diagrama de cajas

El diagrama de caja se ha rediseñado también. En lugar del punto azul para representar la mediana,
esto se muestra como una línea roja que sobresale ligeramente en ambos lados de la caja. Además,
el número de observaciones aparece en paréntesis en la esquina superior derecha, como se ilustra
en la Figura 60.

43
Figura 59: La nueva imagen histograma

Figura 60: Nuevo aspecto gráfico de caja

44
Análisis de regresión espacial

GeoDa ahora incluye algunas funciones de regresión espacial. En la versión actual, esto es todavía
bastante limitada y experimental, pero funciona. La interfaz de usuario en particular, es todavía
rudimentaria. Los diagnósticos básicos para la autocorrelación espacial, heterocedasticidad y falta de
normalidad se implementan para la ordinaria regresión de mínimos cuadrados estándar. Estimación de
retardo espacial y modelos de error espaciales está soportado por medio del método de máxima
verosimilitud. Una amplia visión general de la metodología pertinente está más allá del alcance de este
documento, pero se puede encontrar en Anselin y Bera (1998).

Las técnicas de estimación aplicadas para el enfoque de máxima verosimilitud se basan en los
algoritmos descritos en Smirnov y Anselin (2001). Estos algoritmos se han desarrollado para hacer frente a
la estimación de modelos de regresión espacial en grandes conjuntos de datos. GeoDa se ha aplicado con
éxito a la regresión espacial en un conjunto de datos de 330.000 observaciones (estimación e inferencia se
completa en unos pocos minutos). Una regresión espacial utilizando los condados de Estados Unidos de
3000 tarda unos segundos.

La inferencia asintótica consiste en una prueba de relación de probabilidad, así como una estimación
de la matriz de covarianza asintótica, usando un nuevo algoritmo desarrollado por Smirnov (2003). Todos
los métodos utilizan pesos dispersas de formato GWT GAL o. Sin embargo, hasta el momento, sólo
funciona para la estimación de pesos que reflejen una disposición espacial simétrica, tales como pesos de
contigüidad o pesos basada distancia (fila normalizada), pero no para k-vecinos más cercanos pesos.

La funcionalidad de regresión se puede invocar de dos maneras di ff Erent. En la pantalla de


apertura, sin cargar una forma fi l, se activa seleccionando
Métodos> Regress ( véase también p. 9). Este es el enfoque sugerido para grandes conjuntos de datos (1.000 y
más), ya que evita la sobrecarga debido a la vinculación de una tabla de datos de gran tamaño. En los conjuntos
de datos más pequeños, la regresión también puede comenzar dentro de un proyecto, seleccionando Regreso en
el menú principal. Este enfoque es más apropiado cuando se utilizan valores y los residuos predichos en el
mapeo y posterior análisis exploratorio.

45
Interfaz de regresión

los Regreso función comienza con un diálogo para establecer algunos parámetros básicos para los resultados y de
salida, como se ilustra en la Figura 61. La Título del informe puede ser ignorada, la Nombre del archivo de salida es
el nombre de la fi texto al que le serán escritos los resultados. El valor por defecto es Regression.OLS, que será el
nombre de archivo utilizado a menos que un nombre de di ff Erent es especi fi, incluso cuando el análisis es para un
modelo de desfase o error.

Los siguientes tres elementos determinan alguna información adicional que pueda ser incluido en
la salida fi l:

• la Valor predicho y residual: tenga en cuenta que esto no es lo mismo que la opción de guardar
estos valores a la tabla de datos; sólo un ECTS ff la salida que aparece en la salida fi l

• la Coeficiente de Variación Matrix: tenga en cuenta que los (asintótica) errores estándar se
presentan con las estimaciones coe fi ciente; esta opción se refiere a la matriz completa de
varianza-covarianza (incluyendo las covarianzas)

• la Me valor z de Moran: el valor predeterminado es que este valor es no reportado desde los cálculos
involucrados son sustancialmente más lento que los de las estadísticas Lagrange Multiplicador (en
la Figura 61 esta opción ha sido comprobado)

la configuración de salida de análisis de regresión Al hacer clic en la: Figura 61 DE ACUERDO botón

invocará el cuadro de diálogo fi especificación variable para el modelo de regresión.

46
El cuadro de diálogo de selección de variables sigue siendo rudimentario. Utiliza la>, >>, <y << botones
para mover las variables de la lista desplegable a la baja Variable dependiente caja y la Variables
independientes lista, como se muestra en la Figura 62.

Figura 62: La selección de variables para el análisis de regresión

El paso final en la creación de la regresión especí fi cación consiste en seleccionar un ponderaciones espaciales
fi LE, como se muestra en la Figura 63. Este utiliza el cuadro de diálogo usual fi le selección. También tenga en cuenta
que un término constante se incluye por defecto. Sólo en muy raras circunstancias tendría sentido que desmarcar la
casilla correspondiente.
El proceso descrito anteriormente es la misma para los tres modelos de regresión: en primer lugar especificar las
opciones de salida, a continuación, seleccione las variables, y cerca por la elección de los pesos espaciales fi l.

47
Figura 63: ponderaciones espaciales selección fi le

Ordinarios con diagnósticos

El modelo especí fi cación se concluye mediante la selección de uno de los tres botones de radio en el cuadro de
diálogo y haciendo clic correr para iniciar el análisis. Por ejemplo, para el modelo de regresión clásico es como se
muestra en la Figura 64. Después de que el análisis es más, hay tres opciones importantes. los Salvar botón
(Figura 65) es agregar el valor predicho y los residuos a la tabla de datos (por ejemplo, para el mapeo o análisis
exploratorio). Esto debe hacerse antes de otras opciones están seleccionadas. Al hacer clic en este botón
aparece un diálogo para seleccionar los nombres de variables de estos dos elementos, como en la Figura 66. Al
hacer clic DE ACUERDO terminado este proceso y las nuevas variables se añaden a la tabla de datos (Figura
67).

48
Revisando el DE ACUERDO botón (Figura 68) trae el resultado fi l. Tenga en cuenta que si varios modelos
se llevará a cabo utilizando la misma especificación, este botón debe
no comprobar. En la configuración actual, una vez que el DE ACUERDO se selecciona el botón, el análisis de regresión ha

terminado.

La fi resultado le, que se muestra en la Figura 69, contiene las estimaciones coe fi ciente, las
medidas de fi t y los diagnósticos. Estos incluyen la prueba de Bera-Jarque para no normalidad, el seis
pruebas estadísticas de autocorrelación espacial Breusch--Pagan, pruebas Koenker-Bassett andwhite
para heterocedasticidad, y: I de Moran (incluyendo un valor z cuando esa opción se ha comprobado),
Lagrange pruebas Multiplicador para lag, error y ambas formas, así como sus homólogos robusto.

Figura 64: A partir del análisis de regresión, modelo clásico

49
Figura 65: Ahorro predijo valores y residuales, modelo clásico

Figura 66: Selección de nombres de variable para los valores pronosticados y los residuos almacenados, modelo clásico

50
Figura 67: los valores pronosticados y residuos añaden a la tabla

Figura 68: Acabado el análisis de regresión, modelo clásico

51
Figura 69: Resultados, modelo clásico

52
Máxima Verosimilitud en espacial Modelo Lag

El proceso para el modelo retardo espacial es esencialmente la misma que para el modelo clásico. La
única rencia di ff es que el retardo espacial botón de radio debe ser marcada, como en la Figura 70. La Salvar
y DE ACUERDO trabajar de la misma manera. Para el modelo de retardo espacial, hay una distinción
entre el residual y el error de predicción. Este último es el di ff rencia entre el valor observado y el valor
predicho que utiliza sólo exógena variables, en lugar de tratar el retardo espacial Wy como se observó.

Figura 70: análisis de regresión espacial, lag modelo

Los resultados reportados consisten en los coe fi cientes estimados y sus errores asintóticos y
t-test, medidas de fi cio (log probabilidad, AIC y SC), una

53
Breusch-Pagan la heterocedasticidad, y una prueba de razón de verosimilitud del parámetro de retardo
espacial.

Figura 71: Resultados, modelo retardo espacial

54
Máxima Verosimilitud en el modelo de error espacial

El proceso para el modelo retardo espacial es esencialmente el mismo que para los modelos clásicos y de
retardo. La única rencia di ff es que el retardo espacial botón de radio debe ser marcada, como en la Figura 72.
La Salvar y DE ACUERDO trabajar de la misma manera. Para el error espacial, el error de predicción es la di
ff rencia entre observado y predicho Y, mientras que los “residuos” son los residuos se filtra espacialmente.

Figura 72: análisis de regresión espacial, modelo de error

Los resultados reportados consisten en los coe fi cientes estimados y sus errores asintóticos y t-test,
medidas de fi cio (log probabilidad, AIC y SC), una prueba BreushPagan la heterocedasticidad, y una
prueba de razón de verosimilitud del parámetro de error espacial.

55
Figura 73: Resultados, modelo de error espacial

56
Bibliografía

Anselin, L. (2003). Guía del usuario GeoDa 0,9. Laboratorio de Análisis Espacial
(SAL). Departamento de Agricultura y Economía del Consumidor de la Universidad de Illinois,
Urbana-Champaign, IL.

Anselin, L. y Bera, A. (1998). dependencia espacial en regresión lineal


modelos con una introducción a la econometría espacial. En Ullah, A. y Giles, DE, editores, Handbook
of Applied estadísticas económicas, páginas 237-
289. Marcel Dekker, Nueva York.

Becker, AR, Cleveland, W., y Shyu, M.-J. (1996). El diseño visual


y el control de Trellis muestra. Diario de calculo y gráficos Estadística, 5: 123-155.

Carr, DB, Chen, J., Bell, S., salmuera, L., y Zhang, Y. (2002). Interactivo
Micromap parcelas vinculadas y mapas choropleth dinámicamente acondicionado. En Anselin, L. y

Rey, S., editores, Nuevas herramientas para el Análisis de Datos Espaciales: Actas de la reunión de

especialistas. Espacialmente Centro de Ciencias Integradas Social (CSISS), Universidad de


California, Santa Bárbara. CD ROM. Dorling, D. (1996). Área: Cartogramas su uso y creación. CATMOG

59, Instituto de Geógrafos británicos.

Inselberg, A. (1985). El plano con coordenadas paralelas. Visual Computer,


1: 69-91.

Smirnov, O. (2003). El cálculo de la matriz de información para los modelos de


interacción espacial. Informe técnico, Economía regional de aplicaciones de laboratorio (REAL),

Universidad de Illinois, Urbana-Champaign, IL. Smirnov, O. y Anselin, L. (2001). la estimación de

máxima verosimilitud rápida


de grandes modelos autorregresivos espaciales: Un enfoque polinomio característico. Computacional
Estadística y Análisis de Datos, 35: 301-319.

57
Wegman, EJ (1990). análisis de datos Hiperdimensional usando coor- paralelo
dinates. Revista de la Asociación Americana de Estadística, 85: 664-675.

58

También podría gustarte