Aplicaciones de muestra de la caja de herramientas Estadística espacial
Los epidemiólogos, los analistas criminólogos, los demógrafos, los responsables de la planificación de respuestas de emergencia, los analistas de transporte, los arqueólogos, los biólogos especializados en fauna, los analistas del sector minorista y muchos otros profesionales del SIG necesitan cada vez más herramientas avanzadas de análisis espacial. La estadística espacial contribuye a satisfacer esta necesidad.
La estadística espacial le permite
Resumir las características clave de una distribución
Identificar clústeres espaciales estadísticamente significativas (puntos calientes/puntos fríos) y valores atípicos espaciales
Evaluar los patrones generales de clustering o dispersión
Dividir las entidades en grupos similares
Identificar entidades con características similares
Modelar relaciones espaciales
Resumir las características clave
|
Preguntas |
Herramientas |
Ejemplos |
|---|---|---|
|
¿Dónde está el centro? |
¿Dónde está el centro de población y cómo está cambiando con el tiempo? |
|
|
¿Qué entidad es la más accesible? |
¿Dónde debería estar ubicado el nuevo centro de soporte? |
|
|
¿Cuál es la dirección u orientación dominante? |
¿Cuál es la dirección principal del viento en invierno? ¿Cómo están orientadas las líneas de falla en esta región? |
|
|
¿Cuán dispersas, compactas o integradas están las entidades? |
Distancia estándar o Distribución direccional (elipse de desviación estándar) |
¿Qué banda opera en el territorio más amplio? ¿Qué cepa de enfermedad tiene la distribución más amplia? Basándonos en los avistamientos de animales, ¿hasta qué punto están integradas las especies? |
|
¿Hay tendencias direccionales? |
¿Cuál es la orientación del campo de residuos? ¿Dónde se concentran los residuos? |
Identificar clústeres estadísticamente significativos
|
Preguntas |
Herramientas |
Ejemplos |
|---|---|---|
|
¿Dónde están los puntos calientes? ¿Dónde están los puntos fríos? ¿Qué intensidad tiene el clustering? |
Análisis de puntos calientes (Gi* de Getis-Ord) o Análisis de clúster y de valor atípico (I Anselin local de Moran) |
¿Dónde están los límites más nítidos entre prosperidad y pobreza? ¿Dónde es más alta la diversidad biológica y la calidad del hábitat? |
|
¿Dónde están los valores atípicos? |
Análisis de clúster y de valor atípico (I Anselin local de Moran) |
¿Dónde se observan patrones de gasto anómalos en Los Ángeles? |
|
¿Cuál es la forma más eficaz de distribuir los recursos? |
¿En qué lugares se observan tasas de diabetes inesperadamente elevadas? ¿En qué lugares representan los incendios de cocinas una proporción mayor de lo esperado del total de incendios residenciales? ¿Los delitos cometidos durante el día siguen el mismo patrón espacial que los cometidos por la noche? |
|
|
¿Qué ubicaciones son las más alejadas del problema? |
¿Dónde se deben ubicar los sitios de evacuación? |
|
|
¿Qué entidades se parecen más? ¿Qué aspecto tiene la estructura espacial de los datos? |
¿Qué delitos de la base de datos son los más similares al que se acaba de cometer? ¿Existen regímenes espaciales diferenciados en cuanto a las puntuaciones de las pruebas? ¿Qué regiones se asocian con puntuaciones altas en las pruebas y cuáles con puntuaciones bajas? ¿Qué incidentes de enfermedad es probable que formen parte del mismo brote, teniendo en cuenta el lugar, el momento y los síntomas? |
|
|
¿Qué entidades son más similares o más diferentes? |
¿Qué ubicaciones presentan características similares a las de mis tiendas con mejores resultados? ¿Cómo se comparan los salarios de mis empleados con los de puestos equivalentes en otras ciudades similares a la mía? ¿Qué delitos de la base de datos se ajustan más a un delito concreto de interés? |
Evaluar los patrones espaciales generales
|
Preguntas |
Herramientas |
Ejemplos |
|---|---|---|
|
¿Existen diferencias en las características espaciales? |
¿Qué tipos de delitos se concentran más espacialmente? ¿Qué especie vegetal está más extendida por el área de estudio completa? |
|
|
¿Está cambiando el patrón espacial con el paso del tiempo? |
¿Está aumentando o disminuyendo la segregación espacial entre ricos y pobres? ¿Se ha producido un aumento inesperado en la compra de productos farmacéuticos? ¿Se mantiene la enfermedad confinada a una zona geográfica concreta a lo largo del tiempo o se está propagando a lugares vecinos? ¿Son eficaces las medidas de contención? |
|
|
¿Son similares los procesos espaciales? |
Análisis clúster espacial de distancia múltiple (Función K de Ripley) |
¿El patrón espacial de la enfermedad refleja el patrón espacial de la población en riesgo? ¿Se diferencia el patrón espacial de los robos en comercios del patrón espacial de los establecimientos comerciales? |
|
¿Existen correlaciones espaciales en los datos? |
¿Muestran los residuales de regresión una autocorrelación espacial estadísticamente significativa? |
|
|
¿A qué distancias es más pronunciada el clustering espacial? |
¿Qué distancia refleja mejor una escala adecuada para mi análisis? |
Relaciones de modelos
|
Preguntas |
Herramientas |
Ejemplos |
|---|---|---|
|
¿Hay alguna correlación? ¿Qué grado de solidez tiene la relación? ¿Qué variables son los indicadores más coherentes? ¿Son las relaciones coherentes en todo el área de estudio? |
Regresión lineal generalizada, Regresión exploratoria, Regresión ponderada geográficamente (GWR) y Regresión ponderada geográficamente multiescala (MGWR) |
¿Cuál es la relación entre el nivel de estudios y los ingresos? ¿Es la relación coherente en todo el área de estudio? ¿Existe una relación positiva entre el vandalismo y los robos en viviendas? ¿Qué combinaciones de las variables explicativas candidatas darán lugar a modelos de regresión correctamente especificados? ¿Aumenta la incidencia de enfermedades cuanto mayor es la proximidad a las entidades de agua? |
|
¿Qué factores podrían contribuir a determinados resultados? ¿En qué otros casos podría darse una respuesta similar? |
Regresión lineal generalizada, Regresión exploratoria, Regresión ponderada geográficamente (GWR), Regresión ponderada geográficamente multiescala (MGWR) y Clasificación y regresión basadas en bosques y aumentadas |
¿Cuáles son las variables clave que explican la alta frecuencia de incendio forestal? ¿Qué características demográficas contribuyen a las altas tasas de uso del transporte público? ¿Qué hábitats se deben proteger para favorecer la reintroducción de una especie en peligro de extinción? |
|
¿Dónde serán más eficaces las medidas de mitigación? |
Regresión lineal generalizada, Regresión ponderada geográficamente (GWR), Regresión ponderada geográficamente multiescala (MGWR) y Clasificación y regresión basadas en bosques y aumentadas |
¿En qué lugares obtienen los niños sistemáticamente buenas notas en los exámenes? ¿Qué características parecen estar asociadas? ¿Dónde es más importante cada característica? ¿Qué factores están relacionados con una proporción de accidentes de tráfico superior a la esperada? ¿Qué factores son los indicadores más potentes en cada ubicación con gran cantidad de accidentes? |
|
¿Cómo podría cambiar el patrón? ¿Qué se puede hacer para prepararse? |
¿Dónde se concentran los puntos calientes de llamadas al 911? ¿Qué variables permiten predecir con eficacia el volumen de llamadas? Dadas las proyecciones futuras, ¿cuál es la demanda esperada para los recursos de respuesta de emergencia? |
|
|
¿Por qué esta ubicación es un punto caliente? ¿Por qué esta ubicación es un punto frío? |
Análisis de puntos calientes (Gi* de Getis-Ord), Regresión lineal generalizada, Regresión ponderada geográficamente multiescala (MGWR), |
¿Por qué son tan elevadas las tasas de cáncer en determinadas áreas? ¿Por qué son bajas las tasas de alfabetización en algunas regiones? ¿Hay lugares en Estados Unidos donde la gente sigue muriendo prematuramente? ¿Por qué? |
Los SIG ofrecen diversos planteamientos para analizar datos espaciales. A veces, basta con un análisis visual: se crea un mapa y este revela toda la información necesaria para tomar una decisión. Sin embargo, en otras ocasiones, resulta difícil sacar conclusiones basándose únicamente en un mapa. Los cartógrafos toman decisiones al elaborar un mapa: qué entidades se incluyen o se excluyen, cómo se simbolizan dichas entidades, los umbrales de clasificación seleccionados que determinan si una entidad aparece en rojo intenso o en un rosa menos intenso, cómo se redactan los títulos, etc. Todos estos elementos cartográficos contribuyen a transmitir el contexto y el alcance del problema que se analiza, pero también pueden alterar las características de lo que vemos y, en consecuencia, influir en nuestra interpretación. La estadística espacial ayuda a reducir en parte la subjetividad para abordar de forma más directa los patrones, las tendencias, los procesos y las relaciones espaciales. Cuando sus preguntas analíticas son especialmente complejas o las decisiones que se toman a raíz de su análisis revisten una importancia crucial, es importante examinar sus datos y el contexto de su problema desde diversas perspectivas. La estadística espacial ofrece potentes herramientas que pueden complementar y mejorar de manera eficaz los enfoques visuales, cartográficos y estadísticos tradicionales (no espaciales) del análisis de datos espaciales.
Recursos adicionales
Mitchell, Andy. The ESRI Guide to GIS Analysis, volumen 2. Esri Press, 2005.
https://www.esriurl.com/spatialstats contiene una lista actualizada de todos los recursos disponibles para utilizar las herramientas de Estadística espacial.