Metoda kwadratów (ang. Quadrat Count Methods).
Graficznie metoda ta jest uogólnieniem histogramu, czy analizy jednowymiarowej, na przypadek dwuwymiarowy. Budując histogram dysponujemy jedną zmienną, którą dzielimy na przedziały równej długości i podajemy liczbę przypadków w każdym przedziale. Budując siatkę kwadratów dysponujemy dwiema zmiennymi, na podstawie których budujemy siatkę i podajemy liczbę przypadków w każdym kwadracie siatki (DPS - ang. Dot Per Square). Stosunek tej liczności do pola kwadratu stanowi o intensywność barwy na jaką kolorowany jest dany kwadrat siatki.
Na podstawie liczby przypadków w kwadratach siatki możemy badać ich rozkład przestrzenny. Jeśli w każdym kwadracie znajduje się taka sama liczba punktów, oznacza to idealnie równomierny rozkład. Gdy jest odwrotnie, gdy zróżnicowanie liczby punków w kwadratach jest bardzo duże, oznacza to że są kwadraty o znacznie większej liczbie punktów, czyli tworzą się klastery.
Jeśli przez oznaczymy liczbę punktów badanego obszaru, a przez
liczbę kwadratów na jaki badany obszar zostaje podzielony, wówczas można wyznaczyć średnią, wariancję i odchylenie standardowe liczby punktów na kwadrat:
gdzie
- to liczba kwadratów z liczbą punktów równą
.
Współczynnik
Najważniejszą informacje niesie współczynnik będący ilorazem wariancji i średniej (ang. variance-mean ratio):
Wartość
wskazuje na zbyt małe zróżnicowanie liczby punktów w kwadratach co sugeruje efekt równomiernego rozproszenia,
oznacza zbyt duże zróżnicowanie liczby punktów w kwadratach a więc efekt klasteryzacji, a wartość bliska 1 wskazuje na przeciętne zróżnicowanie liczby punktów w kwadratach co oznacza losowość rozkładu punktów.
W literaturze często rozważany jest wskaźnik wielkości klasterów (ang. Index of Cluster Size - ICS):
Oczekiwana wartość
przy założeniu losowości punktów wynosi 0. Wartość dodatnia wskazuje na efekt klasteryzacji, a ujemna na regularny rozkład punktów.
Istotności współczynnika
Test sprawdzający istotność współczynnika służy do weryfikacji hipotezy o tym, że obserwowane liczności punktów w kwadratach są takie same jak oczekiwane liczności, które pojawiłyby się dla losowego rozkładu punktów.
Hipotezy:
Statystyka testowa ma postać:
Statystyka ta ma asymptotycznie rozkład chi-kwadrat z
stopniami swobody.
Wyznaczoną na podstawie statystyki testowej wartość porównujemy z poziomem istotności
:
Uwaga!
Uzyskany wynik analizy w znacznym stopniu zależy od gęstości siatki a więc od liczby/wielkości kwadratów na jakie dzielony jest analizowany obszar. W oknie opcji testu można ustawić siatkę, jaka będzie użyta do podziału badanego obszaru na kwadraty, podając liczbę kwadratów w pionie i w poziomie.
Okno z ustawieniami opcji metody kwadratów
wywołujemy poprzez menu Analiza przestrzenna
→Statystyki przestrzenne
→Metoda kwadratów
Na podstawie arkusza danych wygeneruj dwie mapy punktów i wykonaj analizę gęstości tych punktów. Odpowiedz na pytanie: Czy punkty są rozłożone losowo w każdej z tych map?
Mapy punktów tworzymy przy pomocy formuł: menu Dane
→Formuły…
W rezultacie uzyskamy dwa nowe arkusze zawierające mapy. Dla każdego z tych arkuszy przeprowadzamy analizę kwadratów.
Hipotezy:
Wyniki dla mapy 1 wskazują na znaczne zróżnicowanie liczby punktów w kwadratach, czyli na efekt klasteryzacji (wartość ). Efekt ten utrzymuje się dla różnych gęstości siatki. Dla siatki gęstości 10:10 współczynnik
wynosi aż 12.5, cały raport został zamieszczony poniżej:
Dla mapy 2 sytuacja jest zupełnie inna. Dla siatki gęstości 10:10 mamy brak istotności statystycznej (wartość ) oraz wartość współczynnika
wskazują na losowość rozkładu punktów.
Wykorzystując przycisk umieszczony w raporcie przenosimy się do Menadżera map by z wyświetlonej listy warstw wybrać wykonaną siatkę analizy kwadratów i uzyskać graficzną interpretację wyników.