Posiadam dane rolnicze w postaci wielokątów, które chciałbym przetestować pod kątem klastrów przestrzennych / aglomeracji przestrzennych.
W sumie mam około 40 zmiennych, które mogę agregować i standaryzować na różne sposoby. Jednym ze sposobów standaryzacji może być na przykład obliczenie wartości produkcji na mieszkańca w każdym wielokącie. Innym sposobem może być obliczenie wartości produkcji na ha w każdym wielokącie.
Wszystkie sposoby standaryzacji i agregacji tworzą różne mapy o różnych wzorach przestrzennych: klastrowanie i brak klastrowania. Tak więc jako podstawa do mojej późniejszej analizy nie chcę identyfikować takich kombinacji agregacji / standaryzacji, które wytwarzają silne skupienia przestrzenne. Dlatego musiałbym porównać różne wyniki agregacji i standaryzacji.
Oczywiście mógłbym to zrobić, patrząc ręcznie na mapy (patrz przykład poniżej). Ale jest to dość subiektywne i tylko w niektórych przypadkach można wyraźnie rozróżnić. Wyobraź sobie, że robisz to dla 40 zmiennych i, powiedzmy, 8 możliwych sposobów przygotowania danych… Wolałbym więc zastosować obiektywny pomiar, tj. Statystykę przestrzenną.
Używam R i Arc GIS. Czy ktoś ma pomysł, jak przeprowadzić taką analizę?
Poniższe przykłady pokazują produkcję bananów raz bez standaryzacji i raz znormalizowaną na mieszkańca. wyglądają bardzo podobnie, ale który jest bardziej skupiony przestrzennie?
