L'identification de modèles géographiques est importante pour comprendre le comportement des phénomènes géographiques.
Bien qu'on puisse percevoir un modèle globale d'entités et de leurs valeurs associées en les cartographiant, le calcul d'une statistique quantifie le modèle. La comparaison des modèles pour des distributions ou des périodes différentes est ainsi plus facile. Souvent les outils du le jeu d'outils Analyse de modèles sont le point de départ d'analyses plus approfondies. Utiliser l'outil Autocorrélation spatiale incrémentielle pour identifier les distances auxquelles les processus qui favorisent l'agrégation spatiale sont le plus prononcés, par exemple, peut vous aider à sélectionner une distance appropriée (échelle d'analyse) à utiliser pour examiner les hot spots (Analyse des hot spots).
Les outils du jeu d'outils Analyse de modèles mettent en œuvre des statistiques inférentielles ; dès le départ, ils posent l'hypothèse nulle que vos entités, ou les valeurs associées à vos entités, constituent un modèle spatialement aléatoire. Ils calculent alors une valeur p qui représente la probabilité que l'hypothèse nulle soit correcte (que le modèle observé est simplement l'un des innombrables scénarios possibles de structure totalement aléatoire). Le calcul d'une probabilité peut être important si vous souhaitez être assuré qu'une décision repose sur des fondements statistiques solides. Si celle-ci concerne la sécurité publique ou a des implications juridiques, par exemple, vous devrez peut-être justifier votre décision à l'aide de preuves statistiques.
Les outils Analyse de modèles fournissent des statistiques qui quantifient des modèles spatiaux généraux. Ces outils répondent à des questions telles que "Les entités du jeu de données ou les valeurs associées aux entités du jeu de données sont-elles spatialement agrégées ?" ou "L'agrégation devient-elle plus ou moins intense avec le temps ?". Le tableau suivant répertorie les outils disponibles et en donne une brève description.
| Outil | Description |
|---|---|
Calcule un index du voisin le plus proche en fonction de la distance moyenne de chaque entité par rapport à son entité avoisinante la plus proche. | |
Mesure le degré d'agrégation des valeurs élevées ou des valeurs faibles à l'aide de la statistique Getis-Ord General G. | |
Permet de mesurer l'autocorrélation spatiale d'une série de distances et, en option, de créer une courbe de ces distances et des scores z correspondants. Les scores z reflètent l'intensité de l'agrégation spatiale. Les scores z maximum statistiquement significatifs indiquent les distances auxquelles les processus spatiaux favorisant l'agrégation sont les plus prononcés. Ces distances maximales sont souvent des valeurs dont l'utilisation est appropriée avec des outils comportant un paramètre de canal de distance ou de rayon de distance. | |
Mesure l'auto-corrélation spatiale selon l'emplacement des entités et leurs valeurs attributaires à l'aide de la statistique de l'indice global de Moran. | |
Analyse d'agrégat spatial multi-distances (fonction K de Ripley) | Détermine si les entités, ou les valeurs associées aux entités, présentent une agrégation statistiquement significative ou une dispersion sur une plage de distances. |