-
Пространственный анализ — направление в современной географической науке, соединяющее компьютерное моделирование в геоинформационных системах (ГИС) с математической статистикой. В курсе методы пространственного анализа раскрываются на примере исследовательских задач социально-гуманитарных дисциплин. Для этого используются пакеты QGIS и GeoDa, а также язык программирования R. Данное сочетание позволяет вывести политическую и социально-экономическую географию на новый аналитический уровень обобщений. Курс разработан таким образом, что позволяет освоить техники пространственного анализа исследователям без специальных навыков работы с картографическими программами и статистическими методами.
Курс разработан в МГИМО МИД России и будет интересен в первую очередь специалистам в области общественной географии, но также и широкому кругу исследователей и аналитиков, интересующихся пространственными закономерностями в социально-гуманитарных дисциплинах, в том числе политологии, международных отношениях, социологии и экономике.
Overview
Syllabus
-
- Что такое пространственный анализ?
- Первый модуль носит вводно-организационный характер. В определяется содержание метода пространственного анализа, приводятся примеры его использования для задач социально-гуманитарных наук и демонстрируются этапы логико-интуитивного анализа пространства, не требующего программного обеспечения. Также модуль содержит инструкции по организации образовательного процесса и загрузке требуемого методологического и программного обеспечения курса.
- Геоинформационное картографирование
- Второй модуль посвященной основам картографирования в геоинформационных системах: даются знания о начале работы с интерфейсом ГИС, загрузке шейп-файла и преобразовании географической проекции. Обучающиеся получают первые навыки создания и экспорта картограммы с типологическим районированием данных.
- Создание пространственных баз данных
- Третий модуль посвящен созданию пространственных баз данных для последующего анализа. Приводится алгоритм соединения непространственной статистики с картой, который включает в себя этапы подготовки данных для преобразования, выбор индикатора для объединения данных, преобразование текстового формата данных в числовой и собственное привязку данных к шейп-файлу.
- Визуализация статистики на картах
- Четвертый модуль учит отображению статистики на картах, которое, с одной стороны, является хорошим иллюстративным материалом для любой учебной или исследовательской работы, а с другой, позволяет лучше понять предмет изучения за счет визуального анализа пространственного распределения описательной статистики. В модуле приводятся алгоритмы визуализации пространственных кластеров с помощью картограммы со шкалой данных, трансформации дазиметрического районирования в типологическое с помощью категориальных переменных и, наконец, выявления пространственного распределения данных с помощью карты-анаморфозы.
- Пространственная автокорреляция
- Пятый модуль знакомит с методом пространственного автокорреляционного анализа. Занятия учат, как построить матрицу пространственных весов соседства по смежности, по метрике и на основе k-ближайших соседей. Матрица соседства позволяет проводить большинство операций пространственного анализа, в частности, рассчитывать однофакторный и двухфакторный индексы пространственной автокорреляции Морана и картографировать однофакторные и двухфакторные локальные индикаторы пространственной автокорреляции Морана и многофакторные локальные индикаторы пространственной автокорреляции Гири.
- Географически взвешенная регрессия
- Шестой модуль посвящен методу пространственно взвешенного регрессионного анализа. В модуле даются знания, позволяющие рассчитать географическую взвешенную регрессию, определить уровень валидности географически взвешенной регрессии и интерпретировать результаты анализа. Описывается как на основе множителя Лагранжа подобрать правильную модель географически взвешенной регрессии: пространственного лага (SAR) или пространственной ошибки (SEM).
