Prática no GeoDa: Análise Exploratória de Dados e Autocorrelação Espacial
Vitor Vieira Vasconcelos
BH1350 – Métodos e Técnicas de Análise da Informação para o PlanejamentoJulho de 2016
Disponível em:
http://la1.rcc.uchicago.edu/media/geoda_files/docs/geodaworkbook.pdf
PREPARAÇÃO DADOS
1o passo: Preparar os Dados
Selecionar observações (feições) de interesse
Valores discrepantes (outliers)?
Transformação nos Dados?
SELECIONAR DADOSComo selecionar apenas as observações de interesse? Por exemplo, como excluir as feiçõessem dados (municípios sem informação sobre o consumo de água)?
Abrir tabela do arquivo
SELECIONAR DADOS• Clicar com o botão direito sobre a tabela
e selecionar “Selection Tool”
• Selecionar valores até zero (ou seja, excluir “missing values”)
• “Invert selection”
SELECIONAR DADOS• Exportar apenas feições selecionadas:
• File > Save Selected as…
• File> Close Project… Open Project…
DIAGRAMA DE DISPERSÃO
1. Clique com o botão direitosobre o diagrama e explore as funcionalidades
2. Experimente selecionaralgumas observações a partir do gráfico (ou do mapa, ou da tabela)
SELEÇÃO DE FEIÇÕES
Experimente criar um retângulo de seleção no mapa ou no gráfico e apertandoa tecla “Control” (ou “Command” no Mac)
ÍNDICE GLOBAL DE MORAN SPACE > UNIVARIATE MORAN's I
Selecionar variável – “CONSUMO”
Weights-> vizinhança QUEEN
I = 0,59
ÍNDICE GLOBAL DE MORANLigação entre gráfico de dispersão de Moran e Mapa
Q1: Alto-Alto
Localizações com autocorrelação positiva: Alto consumo, com vizinhos que
também apresentam alto consumo
ÍNDICE GLOBAL DE MORANLigação entre gráfico de dispersão de Moran e Mapa
Q2: Baixo-Baixo
Localizações com autocorrelação positiva: baixo consumo, com vizinhos que
também apresentam baixo consumo
ÍNDICE GLOBAL DE MORANLigação entre gráfico de dispersão de Moran e Mapa
Q3: Alto-Baixo
Localizações de “transição”, com autocorrelação negativa. Ou seja, possuem vizinhos com valores distintos
Q4: Baixo-Alto
TESTE DE PSEUDO-SIGNIFICÂNCIAO Índice Global de Moran = 0,59 é um valorsignificativo?
Importante fazer o teste de pseudo-significância!!!!
Botão direito
sobre o gráfico
Randomization>
n Permutations
TESTE DE PSEUDO-SIGNIFICÂNCIA
Distribuição construída a partirdo Índice computado sobre as
permutações aleatórias
ValorObservado(I=0,5931)
Como o valor observado está na extremidade (p-valor < 0,001), rejeitamos a hipóse nula de que não há autocorrelação espacial
ÍNDICE LOCAL DE MORAN
SPACE > UNIVARIATE LOCAL MORAN's I
Selecionar variável –> “CONSUMO”
What windows to open? -> Selecionar todas
ÍNDICE LOCAL DE MORAN: CLUSTER MAP
CLUSTER DE BAIXO CONSUMO
CLUSTER DE ALTO CONSUMO
Apenas valores com significância maior que 95% são apresentados
ÍNDICE LOCAL DE MORANPara Salvar Resultados na Tabela: Botão direito sobre Mapas resultantes > Save Results
Atividade 5
Entrega no Tidia (no formato pdf)
Com os dados do seu trabalho final, conduzaexperimentos utilizando as técnicas apresentadas naaula prática: Análise Exploratória (Mapas e Gráficos) e Medidas de Autocorrelação Espacial
Interprete cada uma delas, explique o que cada um dos índices e gráficos apresentados significa (utilize o conteúdo das aulas teóricas como referência).