Værktøjet Find hotspots kan bestemme, hvorvidt der er statistisk signifikante klyngedannelser i dine datas rumlige mønster.
Selv tilfældige rumlige mønstre udviser en vis grad af klyngedannelse. Desuden prøver dine øjne og din hjerne helt naturligt at finde mønstre, selv om disse ikke findes. Derfor kan det være svært at vide, om mønstrene i dine data er resultatet af en reel igangværende rumlig proces eller bare resultatet af tilfældigheder. Det er årsagen til, at forskere og analytikere bruger statistiske metoder som Find hotspots (Getis-Ord Gi*) til at kvantificere rumlige mønstre. Når du finder en statistisk signifikant klyngedannelse i dine data, har du værdifulde oplysninger. Det at vide, hvor og hvornår klyngedannelser opstår, kan give vigtige oplysninger om de processer, der skaber de mønstre, du ser. At vide at f.eks. antallet af indbrud i boliger konsekvent er højere i et særligt område er afgørende oplysninger, hvis du skal udarbejde effektive forebyggelsesstrategier, fordele sparsomme politiressourcer, iværksætte nabohjælpsprogrammer, godkende grundig kriminel efterforskning eller identificere potentielle mistænkte.
Det punkt- eller områdelag, hvorfra der skal findes hotspots og coldspots.
Denne analyse besvarer spørgsmålet: hvor er der spatiale klyngedannelser af høje og lave værdier?
Hvis dine data består af punkter, og du vælger Punktoptællinger, vil dette værktøj evaluere det spatiale arrangement af punktobjekter for at besvare spørgsmålet: Hvor danner punkterne uventede klynger eller bliver spredt ud?
Hvis du vælger et felt, vil dette værktøj evaluere det spatiale arrangement af værdier, der er knyttet til hvert objekt, for at besvare spørgsmålet: hvor er der klyngedannelser af høje og lave værdier?
Standarden er at tælle punkter inden for et maskenet, der oprettes af værktøjet på grundlag af dine punktdata. Du kan også vælge at oprette et områdelag (disse afspejler normalt administrative rapporteringsdistrikter såsom optællingsområder, kommunegrænser eller regioner) for at besvare følgende spørgsmål: I betragtning af antallet af punkter inden for hvert områdeobjekt findes der så steder med statistisk signifikante, spatiale klyngedannelser med høje eller lave punkttællinger?
Du skal enten tegne eller oprette et lag, der definerer hvor hændelser er mulige, for at besvare spørgsmålet: Er der inden for området/områderne steder med usædvanligt høje eller lave punktkoncentrationer?
De områdeobjekter, som du tegner, eller de objekter i områdelaget, som du angiver, bør definere, hvor punkter muligvis kan opstå. For at tegne disse områder skal du klikke på tegn-knappen og derefter klikke på et sted på kortet for at oprette en områdeform. For at tegne flere områder skal du klikke på tegn-knappen igen og derefter klikke på et sted på kortet og fortsætte.
Af og til vil du måske gerne analysere mønstre, der tager højde for underliggende distributioner. Hvis dine punkter f.eks. repræsenterer kriminalitet, vil division med det samlede befolkningstal resultere i en analyse af kriminaliteten pr. indbygger og ikke generelle kriminalitetstal. At vælge en attribut til division betegnes ofte som normalisering.
Valg af Esri Population vil udføre geoenrichment på hvert områdeobjekt med populationsværdier, der derefter vil blive brugt som divisionsattribut. Denne indstilling forbruger credits.
Angiv et navn på det lag, som oprettes i Mit indhold og føjes til kortet. Dette resultatlag viser dig statistisk signifikante klynger med høje og lave værdier eller punkttællinger. Hvis navnet på resultatlaget allerede eksisterer, vil du blive bedt om at ændre det.
Ved hjælp af rullelisten Gem resultat i kan du angive navnet på en mappe i Mit indhold, hvor resultatet skal gemmes.