Aula de Métodos e Técnicas de Análise da Informação para Planejamento, UFABC, Jullho de 2017 Apresentação disponível em: https://youtu.be/Lo7wr_tqiK4 Bases de dados disponíveis em: https://app.box.com/s/2p9mw751ld2u9rz0ueglf49p1v94e8pv

1. Prática no GeoDa:
Análise Exploratória de Dados
e Autocorrelação Espacial
Vitor Vieira Vasconcelos
Flávia da Fonseca Feitosa
BH1350 – Métodos e Técnicas de Análise da Informação para o Planejamento
Julho de 2017

2. GEODA
http://geodacenter.github.io/

3. Disponível em:
https://s3.amazonaws.com/
geoda/software/docs/geoda
workbook.pdf

4. Criando um Projeto
(1) File > New Project
(2) Selecione o arquivo
“Municipios_AGUA_2010_WGS84.shp”

5. PARTE I
Análise Exploratória
de Dados

6. Opções disponíveis
ao clicar com o
botão direito sobre a
área do mapa

7. Renda Per Capita – Desvio Padrão
Outro Caminho: Map > Standard Deviation Map

8. Renda Per Capita – Quantil
Outro Caminho: Map > Quantile Map

9. Renda Per Capita – Cartograma

10. Análise Exploratória
HISTOGRAMA
BOX PLOT

11. Ligação entre gráfico e mapa

12. Ligação entre gráfico e mapa

13. PREPARAÇÃO DADOS
1o passo: Preparar os Dados
Selecionar observações (feições) de interesse
Valores discrepantes (outliers)?
Transformação nos Dados?

14. SELECIONAR DADOS
Como selecionar apenas as observações de
interesse? Por exemplo, como excluir as feições
sem dados (municípios sem informação sobre o
consumo de água)?
Abrir tabela do arquivo

15. SELECIONAR DADOS
• Clicar com o botão direito sobre a tabela
e selecionar “Selection Tool”
• Selecionar valores até zero (ou seja,
excluir “missing values”)
• “Invert selection”

16. SELECIONAR DADOS
• Exportar apenas feições selecionadas:
• File > Save Selected as…
• File> Close Project… Open Project…

17. INCLUI APENAS
MUNICÍPIOS COM
DADOS DE CONSUMO
DE ÁGUA

18. CALCULAR VARIÁVEL
Table> Variable Calculation
UNIVARIATE

19. CALCULAR VARIÁVEL
Table> Variable Calculation
BIVARIATE

20. DIAGRAMA DE DISPERSÃO
1. Explore > Scatter Plot
2. Selecionar Variável
Independente e
Dependente

21. DIAGRAMA DE DISPERSÃO
1. Clique com o botão direito
sobre o diagrama e explore
as funcionalidades
2. Experimente selecionar
algumas observações a
partir do gráfico (ou do
mapa, ou da tabela)

22. SELEÇÃO DE FEIÇÕES
Experimente criar um retângulo de seleção no mapa ou no gráfico e apertando
a tecla “Control” (ou “Command” no Mac)

23. PARTE II
AUTOCORRELAÇÃO ESPACIAL

24. VIZINHANÇA: PESOS ESPACIAIS
TOOLS > WEIGHTS MANAGER
CREATE

25. VIZINHANÇA: PESOS ESPACIAIS

26. VIZINHANÇA: PESOS ESPACIAIS
TOOLS > WEIGHTS MANAGER> CONNECTIVITY HISTOGRAM

27. ÍNDICE GLOBAL DE MORAN
 SPACE > UNIVARIATE MORAN's I
 Selecionar variável – “CONSUMO”
 Weights-> vizinhança QUEEN
I = 0,59

28. ÍNDICE GLOBAL DE MORAN
Ligação entre gráfico de dispersão de Moran e Mapa
Q1: Alto-Alto
Localizações com autocorrelação positiva:
Alto consumo, com vizinhos que
também apresentam alto consumo

29. ÍNDICE GLOBAL DE MORAN
Ligação entre gráfico de dispersão de Moran e Mapa
Q2: Baixo-Baixo
Localizações com autocorrelação positiva:
baixo consumo, com vizinhos que
também apresentam baixo consumo

30. ÍNDICE GLOBAL DE MORAN
Ligação entre gráfico de dispersão de Moran e Mapa
Q3: Alto-Baixo
Localizações de “transição”, com autocorrelação negativa.
Ou seja, possuem vizinhos com valores distintos
Q4: Baixo-Alto

31. TESTE DE PSEUDO-SIGNIFICÂNCIA
O Índice Global de Moran = 0,59 é um valor
significativo?
Importante fazer o teste de pseudo-significância!!!!
Botão direito
sobre o gráfico
Randomization>
n Permutations

32. TESTE DE PSEUDO-SIGNIFICÂNCIA
Distribuição construída a partir
do Índice computado sobre as
permutações aleatórias
Valor
Observado
(I=0,5931)
Como o valor observado está na extremidade (p-valor < 0,001), rejeitamos a
hipóse nula de que não há autocorrelação espacial

33. ÍNDICE GLOBAL DE MORAN
Botão direito sobre o Gráfico de Dispersão > Save Results

34. ÍNDICE GLOBAL DE MORAN

35. ÍNDICE LOCAL DE MORAN
 SPACE > UNIVARIATE LOCAL MORAN's I
 Selecionar variável –> “CONSUMO”
 What windows to open? -> Selecionar todas

36. ÍNDICE LOCAL DE MORAN: CLUSTER MAP
CLUSTER DE
BAIXO CONSUMO
CLUSTER DE
ALTO CONSUMO
Apenas valores com significância maior que 95% são apresentados

37. ÍNDICE LOCAL DE MORAN: CLUSTER MAP
MAPA DE SIGNIFICÂNCIA

38. ÍNDICE LOCAL DE MORAN
Para Salvar Resultados na Tabela:
Botão direito sobre Mapas resultantes > Save Results

39. ÍNDICE LOCAL DE MORAN

40. CORRELOGRAMA
Space-> Non parametric spatial correlation

41. CORRELOGRAMA

42. CORRELOGRAMA

43. Atividade 5
Entrega no Tidia
Com os dados do seu trabalho final, conduza
experimentos utilizando as técnicas apresentadas na
aula prática: Análise Exploratória (Mapas e Gráficos),
Medidas de Autocorrelação Espacial e Correlograma
Interprete cada uma delas, explique o que cada um dos
índices e gráficos apresentados significa (utilize o
conteúdo das aulas teóricas como referência).