Exercício Área - SPRING

Transcrição

1 Exercício Área - SPRING Figura 01 - Visualização dos dados contidos no projeto ativo. Comentários - Nesta etapa foi aberto o banco de dados, neste caso denominado São Paulo e foi definido o projeto, também denominado São Paulo.

2 Figura 02 Visualização da tela principal do SPRING com a tabela de atributos aberta (modo consulta) Comentários Nesta etapa foi consultada a tabela de atributos do projeto São Paulo.

3 Figura 03 Explorando os recursos de seleção e operações sobre a tabela de atributos Comentários Nesta etapa foram explorados os diversos tipos de seleções sobre a tabela de atributos.

4 Figura 04 Agrupamento por passos Iguais Comentários Nesta etapa foram selecionados e agrupados os dados de porcentagem de idosos para os bairros do município de São Paulo, em intervalos iguais, neste caso (1,50) e divididos em 5 partes.

5 Figura 05 Agrupamento Estatístico Comentários Nesta etapa os dados de Porcentagem de Idosos para os bairros do município de São Paulo, foram agrupados segundo a média, com um desvio padrão de 1. O Valor máximo desta variável é de 8,2% e o mínimo de 0,8%. Pode-se perceber a grande disparidade social da cidade com uma grande variação entre o centro (aonde a proporção de idosos chega a 8%) e a periferia (onde há várias regiões com menos de 1 %).

6 Figura 06 Índice Global de Moran Comentário Nesta etapa se calcula o Índice Global de Moran, que nos dá a correlação espacial neste caso entre a porcentagem de idosos de bairros do município de São Paulo. A ideia básica deste índice é a caracterização da dependência espacial, mostrando como os valores estão correlacionados no espaço, partindo da hipótese de que o valor nulo seria zero, temos uma correlação positiva entre (0 e +1) e negativo entre (0 e -1), neste caso especifico, tivemos o valor de 0,708, o que significa que existe uma correlação espacial direta positiva entre a localização de idosos nos bairros do município de São Paulo. Vale salientar que para estimar a significância do índice, a abordagem mais comum é um teste de pseudo-sgnificância.

7 Figura 07 Índice Global de Moram, dados da tabela de atributos Comentário Realizando a análise estatística da associação espacial de Moran, foram criadas na tabela de atributos as seguintes colunas e os seus respectivos significados: Z (desvio do atributo em relação a média, neste caso PERIDOSO); WZ ( média dos vizinhos); IMORAN (Índice Local de Moran); MEDMOV ( média móvel espacial); BOXMAP (Box map); LISAMAP (Lisa map); MORANMP (Moran map).

8 Figura 08 Diagrama de Espalhamento de Moran Comentários Nesta etapa foram selecionadas as variáveis Z e WZ e criado um gráfico bidimensional, através da distribuição dos pontos nos quadrantes se pode observar a correlação entre os dados, neste caso PERIDOSO, com a questão da distribuição espacial. Pode se perceber que a maioria dos pontos de localizam nos quadrantes (Q1 que são dados + +) e (Q3 que são dados - -), ambos indicam pontos de associação espacial positiva, no sentido que uma localização possui vizinhos com valores semelhantes.

9 Figura 09 Box Map Comentários O Box Map é uma forma alternativa de apresentar o diagrama de espalhamento de Moran. Neste caso os dados PERIDOSOS, são exibidos na forma de mapa por diferentes cores e atribuído aos polígonos, no qual cada polígono é representado por uma cor segundo sua relação ao Quadrante (Q) no qual se encontra. Analisando o Mapa pode se observar que as cores Vermelho (Quadrante 1, + +) e Azul Claro (Quadrante 3, - -) são os que mais aparecem, já as cores Azul Escuro (Quadrante 4, - +) e Amarelo (Quadrante 2, + -), pouco aparecem o que cofirma a correlação espacial positiva alta de 0,708 entre os dados de porcentagem da população idoso nos bairros do município de São Paulo.

10 Figura 10 Média Espacial Móvel Comentários Uma forma simples de explorar a variação da tendência espacial dos dados é calcular a média dos valores dos vizinhos. Isto reduz a variabilidade espacial, pois este método tende a produzir uma superfície com menor flutuação que os dados originais. Neste caso foram escolhidos os dados da MEDIAMOV gerado pela análise espacial de Moran para os dados PERIDOSOS (porcentagem de idosos com mais de 70 anos) para os bairros do município de São Paulo. Durante o agrupamento foi determinado uma divisão igual em 5 partes, ou seja, cada uma representa 20% dos dados. Analisando os resultados gerados, pode se perceber que existe uma concentração maior de idosos na região central, que vai diminuindo quando nos afastamos do centro.

11 Figura 11 Gráficos de Barras da Média Espacial Móvel versus Z Comentários O gráfico de barras da média espacial móvel de Z comparado com os dados de Z é uma forma didática de analisar os resultados de correlação espacial, neste caso quando o valor do atributo Z é parecido com o valor de sua média (sejam estes valores altos ou baixos), temos uma forte correlação espacial, é o que acontece na maioria dos gráficos mostrados no mapa. Caso tenhamos uma diferença entre os valores de Z com sua média, representado em alguns poucos gráficos neste exemplo, temos uma fraca correlação espacial.

12 Figura 12 Índice Local de Associação Espacial LISA Map Comentários Uma vez determinada à significância estatística do Índice Global de Moran, é muito útil gerar um mapa mais detalhado indicando as regiões que apresentam correlação local significativamente diferente do resto dos dados, e é isso que o LISA Map propõem. Na sua elaboração os valores do Índice de Moran são divididos em quatro grupos, são eles: Não significantes; com significância entre (0,05 e 0,01); com significância entre (0,01 e 0,001); e com significância maior que 0,001. Neste caso apresentado aqui, o resultado do LISA Map indica claramente uma forte polarização centro-periferia do atributo PERIDOSO, indicando além disso, a presença de bolsões a sul e a leste do município de São Paulo que carecem de uma análise mais detalhada.

13 Figura 13 Moran Map Comentário Neste mapa somente os objetos que foram considerados significantes (p < 0,05) são destacados, e são classificados em quatro grupos, conforme sua localização no quadrante do gráfico de espalhamento, e os demais polígonos ficam classificados como sem significância. Analisando o mapa, os polígonos em branco, portanto não apresentam significância, o quadrante 1 esta localizado na área central, o quadrante 2 se localiza na região norte e leste, e o quadrante 4 apresenta apenas um polígono ao norte da área com significância do quadrante 1.