Mekansal İstatistikler (Spatial Statistics) araç kutusu, mekansal kalıpları ölçmek için etkili araçlar sağlar. Örneğin, Hot Spot Analysis aracını kullanarak, aşağıdaki gibi sorulara cevaplar bulabilirsiniz:

  • Suç işlenme olasılığının yüksek olduğu noktalar, 112 acil durum çağrıları veya yangınlar nerede?
  • Şehir içerisinde trafik kazası olma ihtimalinin yüksek olduğu yerler nerelerdir?

Harita içerisindeki Kırmızı noktalar gelen ihbarların yoğun olduğu yerleri, artı ile gösterilen yerler ise gelen çağrıya yönelen ekiplerin konumlarını ifade eder.Yukarıdaki soruların her birinde “nerede?” diye sorulmakta, analiz türleri için mantıksal olarak bir sonraki sorulması gereken soru “neden?”

  • Bu olayları azaltmaya yardımcı olmak için maruz kalan bölgelerin özelliklerini modelleyebilir miyim?
  • Trafik kazaların artmasında etkili olan faktörler nelerdir? Trafik kazalarının fazla gerçekleştiği bölgelerde kazaları azaltmak için önlemler alınabilir mi alınabilirse bunların etkisi nasıl olur?

 

Modeling Spatial Relationships toolset içerisindeki araçlar, ikinci soruya cevap vermenizde yardımcı olur. Bu araçlar sıradan en küçük kareler (Ordinary Least Squares) (OLS)  ve Coğrafi Ağırlıklı Regresyon (Geographically Weighted Regression) (GWR) araçlarıdır.

 

Mekansal ilişkiler

Regresyon analizi, mekansal ilişkileri modelleme, inceleme ve keşfetme olanağı sağlar. İnsanların neden şehirlerin belirli bölgelerinde ısrarla yaşadığını veya hangi faktörlerin obezite hastalığın artmasında daha fazla katkıda bulunduğunu araştırmak isteyebilirsiniz. Ayrıca mekansal ilişkileri modelleyerek, regresyon analizini tahmin için de kullanabilirsiniz. Örneğin, üniversite mezuniyet oranlarını modellemek yaklaşmakta olan iş gücü becerileri ve kaynakları hakkında tahminlerde bulunmanıza olanak tanır. Ayrıca, gözlem istasyonlarının her yerde olamamasından dolayı enterpolasyonun yetersiz olduğu durumlarda yağış veya hava kalitesini tahmin etmek için regresyon kullanabilirsiniz. OLS, tüm regresyon tekniklerinin en iyi bilinenidir. Tüm mekansal regresyon analizleri için de uygun bir başlangıç ​​noktasıdır. Anlamaya veya tahmin etmeye çalıştığınız (suç / yağış) değişken veya süreçlerin küresel bir modelini sağlar. Bu süreci temsil etmek için tek bir regresyon denklemi oluşturur.

Coğrafi olarak ağırlıklı regresyon (GWR), coğrafya ve diğer disiplinlerde de kullanılan çeşitli mekansal regresyon tekniklerinden biridir. GWR, veri kümesindeki her özelliğe bir regresyon denklemi oluşturarak tahmin etmeye çalıştığınız değişken veya işlemin yerel bir modelini sağlar. Doğru kullanıldığında, bu yöntemler doğrusal ilişkileri tahmin etmek için güçlü ve güvenilir istatistikler sağlar.

Doğrusal ilişkiler ya olumlu ya da olumsuzdur. Gündüz sıcaklıkları arttığında arama ve kurtarma olaylarının sayısının arttığını görüyorsanız, ilişkinin pozitif olduğu söyleyebilirsiniz yani olumlu bir korelasyon vardır. Bu olumlu ilişkiyi ifade etmenin bir başka yolu, gündüz sıcaklıkları azaldıkça arama ve kurtarma olaylarının azaldığını söylemek olur.Eğer bir alan üzerinde devriye gezen polis memurlarının sayısı arttıkça suç sayısının azaldığını görüyorsanız, ilişkinin negatif olduğu söyleyebilirsiniz. Bu olumsuz ilişkiyi, devriye memurlarının sayısı azaldıkça suç sayısının arttığını belirterek de ifade edebilirsiniz. Aşağıdaki grafik, iki değişken arasında ilişki olmadığı durumu, olumlu ve olumsuz ilişkileri göstermektedir:

Olumlu bir ilişkiyi göstermekte(Sol), negatif ilişkiyi göstermekte(Orta) ve iki değişken arasında ilişki olmadığı göstermekte(Sağ)

Korelasyon analizleri ve yukarıda gösterilen grafikler, iki değişken arasındaki ilişkinin gücünü test eder. Diğer yandan regresyon analizleri daha güçlü bir iddiada bulunur: Bir ya da daha fazla değişkenin potansiyel olarak başka bir değişkendeki pozitif ya da negatif değişimi destekleme derecesini göstermeye çalışırlar.

 

Regresyon analizi, çok çeşitli uygulamalar için kullanılabilir

  • Trafik kazalarını hız, yol koşulları, hava durumu vb. gibi fonksiyonlarla modellemek, kazaları azaltmaya yönelik politikaları bilgilendirmek.
  • Yangın departmanının katılım derecesi, cevap süresi veya özellik değerleri gibi değişkenlerin bir fonksiyonu olarak yangından kaynaklanan mülk kayıplarının modellenmesi. Yanıt süresinin anahtar faktör olduğunu gösterirseniz, daha fazla itfaiye istasyonu oluşturmanız gerekebilir. Katılımı anahtar faktör olarak belirtirseniz, ekipmanı ve görevli çalışan sayısını arttırmanız gerekebilir.

 

Regresyon analizini kullanmak isteyebileceğiniz Temel Senaryolar

  • Temel amaç, bir veya daha fazla değişkendeki değişimin, diğer değişkenleri ortak olarak etkilediğini ölçmektir. Örneğin nesli tükenmekte olan bir hayvan türü için beslenme,barınma,korunma vb. gibi etkilerin hayvanın neslinin tükenmemesi için ortak bir amaç doğrultusunda birlikte değerlendirilmesidir.
  • Başka yerlerde veya ileri tarihlerdeki değerleri tahmin etmek için bazı değişkenleri modellemek. Temel amaç, hem tutarlı hem de doğru olan bir tahmin modeli oluşturmaktır. Örneğin nüfus artışı verilerine göre gelecek yıl elektrik tüketimi ne kadar olacak? gibi değerlendirmeleri ve araştırmaları regresyon analizleri ile yapabilirsiniz.
  • Bir diğer neden aralarında doğrudan bağlantı veya ilişki olmayan değişkenlerin birlikte değerlendirilip değerlendirilemeyeceğinin belirlenmesidir. Örneğin hırsızlık suçlarının bölgesel değerlendirmede Yaşlı ve Kadın nüfusunun fazla olduğu yerlerde gerçekleşmesi. Hırsızların uyuşturucu kullanıp kullanmaması, uyuşturucu temin edebilmek için hırsızlığa başvurması gibi değişkenlerin değerlendirilmesi için regresyon analizlerini kullanabilirsiniz.

 

 

Share This