L'outil Rechercher les points chauds détermine si le modèle spatial de vos données présente des agrégations statistiquement significatives.
- Vos points (délits, arbres, accidents de la circulation) sont-ils réellement agrégés ? Comment en être certain ?
- Avez-vous vraiment découvert un hot spot statistiquement significatif (dépenses, mortalité infantile, résultats d'examens élevés homogènes) ou votre carte donnerait-elle des résultats différents en modifiant sa symbolisation ?
Même les modèles spatiaux aléatoires présentent un certain degré d'agrégation. En outre, nos yeux et notre cerveau tentent naturellement d'identifier des modèles même si aucun n'existe. Par conséquent, il peut être difficile de savoir si les modèles de vos données sont le résultat de processus spatiaux réels en cours ou s'ils découlent simplement du hasard. C'est pourquoi les chercheurs et les analystes utilisent des méthodes statistiques, telles que Trouver des points chauds (Getis-Ord Gi*) pour quantifier les modèles spatiaux. La réalisation d'une agrégation statistiquement significative sur vos données permet d'obtenir des informations précieuses. Le fait de savoir où et quand l'agrégation se produit peut fournir des indications importantes sur les processus qui favorisent les modèles auxquels vous assistez. Par exemple, savoir que le nombre de cambriolages résidentiels est plus élevé dans certains quartiers constitue une information clé si vous devez mettre en place des stratégies de prévention efficaces, allouer des ressources policières limitées, initier des programmes de surveillance de quartier, autoriser des enquêtes criminelles approfondies ou identifier des suspects potentiels.
1 Analyse des entités surfaciques
Une quantité importante de données est disponible pour les entités surfaciques telles que les secteurs de recensement, les comtés, les circonscriptions électorales, les secteurs hospitaliers, les parcelles, les limites de parcs et de zones de loisirs, les bassins versants, les classifications d'occupation du sol et les zones climatiques. Lorsque votre couche d'analyse contient des entités surfaciques, vous devez définir un champ numérique qui sera utilisé pour rechercher des grappes de valeurs élevées et faibles. Ce champ peut représenter les éléments suivants :
- Des nombres (par exemple, le nombre de ménages)
- Des taux (par exemple, la proportion de la population détentrice d'une licence universitaire)
- Des moyennes (par exemple, le revenu moyen ou médian des ménages)
- Des indices (par exemple, un score indiquant si les dépenses des ménages en équipement sportif se situe en-deçà ou au-delà de la moyenne nationale)
Grâce au champ que vous fournissez, l'outil Trouver des points chauds crée une carte (la couche de résultat) qui montre les zones présentant des grappes statistiquement significatives de valeurs élevées (hot spots : rouges) et de valeurs faibles (cold spots : bleus). Ce type d'analyse peut aider à répondre à diverses questions :
Quelles zones ont le meilleur ou le pire accès aux services ?
D'après le nombre d'enfants et le nombre de pédiatres, par exemple, vous pouvez identifier les zones bénéficiant d'un accès facile ou difficile aux services d'un pédiatre. Cette information peut contribuer à la mise en place de programmes incitatifs de recrutement de médecins spécialisés en pédiatrie dans les déserts médicaux. Pour cette analyse, vous pouvez créer une variable reflétant le nombre de pédiatres par enfant. Vous exécutez ensuite l'outil Trouver des points chauds sur ces taux pour localiser les grappes statistiquement significatives de valeurs élevées (hot spotsreprésentant un bon accès) et de valeurs faibles (cold spots représentant un accès médiocre).
Où surviennent des événements particuliers représentant une part plus importante que prévue de tous les événements ?
Supposons que les pompiers d'un district se penchent sur le problème grandissant des incendies de cuisine. Vous pouvez les aider. Vous calculez dans un premier temps le nombre d'incendies de cuisine, divisé par le nombre d'autres incendies domestiques pour chaque quartier de la zone d'étude (secteur de recensement, par exemple). Vous exécutez ensuite Trouver les points chauds sur ces proportions afin de localiser les quartiers présentant un nombre d'événements d'incendies de cuisine plus élevé que prévu (hot spots). Les types de plats préparés ainsi que les méthodes de cuisson exposent certaines communautés plus que d'autres aux incendies de cuisine. Des publicités ou des documents pédagogiques peuvent être placés dans ces zones à risque afin de prévenir le risque d'incendies.
Où le nombre d'adhésions est-il le plus élevé ou le plus faible ?
Vous pouvez souhaiter savoir quelles régions ont manifesté un soutien plus fort ou plus faible pour un parti politique ou un candidat, par exemple. Cette information peut aider à orienter des stratégies de campagnes électorales à venir. Dans la carte des Etats-Unis ci-après, les zones en rouge sont des grappes statistiquement significatives dans lesquelles le pourcentage d'électeurs du Parti républicain a été beaucoup plus élevé que celui des électeurs du Parti démocrate ; les zones en bleu sont des grappes statistiquement significatives de soutien du Parti démocrate. La carte a été créée en soustrayant la proportion des votes démocrates de la proportion des votes républicains, puis en exécutant Trouver des points chauds sur ces écarts.
2 Analyse des entités ponctuelles
Diverses données sont disponibles comme entités ponctuelles. Parmi les exemples d'entités fréquemment représentées par des points, citons les incidents criminels, les écoles, les hôpitaux, les appels d'urgence, les accidents de la route, les puits d'eau, les arbres et les bateaux. Vous pouvez souhaiter analyser des valeurs de données (champ) associées à chaque entité ponctuelle. Dans d'autres cas, vous vous intéressez uniquement à l'évaluation des grappes de points. La décision de fournir un champ ou non dépend de la question que vous posez.
2.1 Recherche de grappes de valeurs élevées et faibles associées à des entités ponctuelles
Vous pouvez fournir un champ d'analyse pour répondre à ce type de question : où les valeurs élevées et faibles s'agrègent-elles ? Le champ que vous sélectionnez peut représenter :
- Des nombres (par exemple le nombre d'accidents de circulation aux intersections de rues)
- Des taux (par exemple, le chômage urbain, où chaque ville est représentée en tant qu'entité ponctuelle)
- Des moyennes (par exemple, le résultat moyen des écoles)
- Des indices (par exemple, de satisfaction des clients pour les concessions automobiles à travers le pays)
Le fait de savoir où les valeurs élevées et faibles associées aux entités ponctuelles s'agrègent spatialement peut vous permettre de répondre à des questions importantes. Par exemple :
Où les ressources sont-elles suffisantes et où sont-elles insuffisantes ?
Dans le cadre de la gestion des catastrophes, par exemple, le fait de comprendre les tendances en matière de disponibilité des lits d'hôpitaux peut vous aider à vous préparer et à prévoir des plans d'urgence. Si vos entités ponctuelles représentent des hôpitaux, le calcul du nombre moyen de lits par jour, semaine, mois ou saison, puis l'exécution de Trouver les points chauds sur ces moyennes montre les secteurs hospitaliers qui sont souvent complets et les secteurs qui sont souvent disponibles, ce qui peut également mettre en avant des tendances saisonnières.
Un autre exemple peut analyser les endroits où les enseignants sont en nombre insuffisants. Si vos entités ponctuelles sont des écoles et que chaque point est associé à un taux moyen d'écoliers par enseignant, Trouver les points chauds appliqué à ces taux montre les secteurs qui manquent d'enseignants et/ou de classes.
Quelles zones bénéficient de la fréquentation la plus ou la moins élevée ?
Si, par exemple, des magasins dans un centre commercial sont représentés par des entités ponctuelles avec un champ d'analyse qui reflète la fréquentation des clients, Trouver des points chauds permet de déterminer avec certitude les zones du centre commercial qui connaissent la plus grande et la plus faible fréquentation parmi les clients.
2.2 Recherche de grappes de nombres de points élevées et faibles
Dans le cas de certaines données ponctuelles, généralement lorsque chaque point représente un événement, un incident ou une indication de présence/absence, il n'existe pas de champ d'analyse qui coule de source. Vous pouvez souhaiter savoir où l'agrégation est inhabituellement (statistiquement significative) intense ou faible. Pour cette analyse, les entités surfaciques (une grille que l'outil crée ou une couche de surface que vous fournissez) sont placées par dessus les points et le nombre de points dans chaque surface est compté. L'outil recherche ensuite de grappes de nombres de points élevées et faibles associées à chaque entité surfacique. Le fait de savoir où se trouvent les grappes de nombres de points statistiquement significatives peut vous aider à répondre à un certain nombre de questions du type :
Où des ressources supplémentaires sont-elles nécessaires ?
Si chaque entité ponctuelle représente un crime dans une ville, l'outil Trouver les points chauds peut montrer les zones ayant les plus forts taux et les plus faibles taux de criminalité. Cette information peut faciliter l'allocation des ressources de prévention contre la criminalité.
Où se situent les zones prioritaires ?
Si les données ponctuelles représentent des arbres arrivés à maturité dans une forêt, Trouver les points chauds peut mettre en avant les zones ayant la plus forte et la plus faible densité d'arbres, ce qui peut constituer une information utile pour les gestionnaires de forêts.
De la même manière, si chaque point représente un arbre malade ou infesté d'insectes nuisibles, Trouver les points chauds permet d'identifier les zones où ces problèmes sont les plus fréquents (hot spots) et aide à définir les zones prioritaires pour les traitements. L'identification de zones à faible incidence de maladies ou d'insectes nuisibles (cold spots) peut fournir des indications quant aux facteurs de résistance. L'identification de l'agrégation à forte et faible incidence de maladies ou d'insectes nuisibles met en évidence que des facteurs sous-jacents favorisent ou empêchent la survenue de ces problèmes.
Une carte des hot spots d'accidents mortels de la circulation peut aider les campagnes visant à améliorer la sécurité.
L'exécution de Trouver les points chauds sur les saisies immobilières peut aider à déterminer les zones dans lesquelles les programmes d'assistance sont les plus nécessaires. La recherche de cold spots où le nombre de saisies est inhabituellement bas fournit des indications quant à la résilience des propriétaires.
Pour ce type d'analyse (sauf si vous sélectionnez l'option Définir les zones d'agrégation pour compter les incidents), l'outil Trouver des points chauds construit une grille et le place par dessus les points dans la couche d'analyse. Le nombre de points qui se trouvent à l'intérieur de chaque carré du quadrillage est ensuite comptabilisé et analysé. Seuls les carrés du maillage comptant au moins un point sont analysés à moins de définir les endroits où les points sont possibles.
Les hot spots statistiquement significatifs (rouges) dans la couche de résultat reflètent les grappes spatiales des carrés de quadrillage présentant des valeurs élevées. De même, les cold spots statistiquement significatifs (bleus) reflètent les grappes spatiales des carrés de quadrillage présentant des valeurs très faibles. Remarque : la couche de résultat n'est pas une surface de densité, mais elle indique les emplacements où les nombres élevés ou faibles de points sont trop agrégés pour être le résultat d'un processus aléatoire. Il peut arriver que les points de données que vous analysez n'indiquent aucune grappe statistiquement significative.
2.2.1. Définition des endroits où des points sont possibles
Spécifiez une couche surfacique ou dessinez des zones définissant une zone d'étude dans laquelle vous souhaitez que l'analyse soit effectuée dans tous les emplacements où les entités ponctuelles d'incidents peuvent se produire. Pour cette option, l'outil Trouver les points chauds superpose sur votre zone d'étude définie une grille et compte les points se trouvant dans chaque carré du maillage. Si vous n'indiquez pas par cette option où les points d'incidents peuvent se trouver, l'outil Trouver les points chauds analyse uniquement les carrés du maillage qui contiennent au moins un point. Lorsque vous utilisez cette option pour définir où les points peuvent se trouver, l'analyse est effectuée sur tous les carrés du maillage se trouvant dans les zones délimitées que vous définissez. Voici des exemples dans lesquels la définition de limites pour l'analyse est particulièrement utile :
Où se trouvent les zones à problèmes dans les limites fournies ?
Si vos données ponctuelles représentent des demandes d'assistance des autorités portuaires de la part d'un navire, vous pouvez fournir les zones adjacentes reflétant les voies navigables que suivent les navires. Les hot spots détectés reflètent alors les emplacements présentant un nombre de demandes d'assistance anormalement élevé. Savoir que ces emplacements existent peut conduire à une enquête rapide et entraîner la mise en œuvre de mesures de prévention.
Autres scénarios :
- Les fraudes dans le commerce de détail ne se produisent que là où les établissements de vente au détail opèrent. L'identification des lieux où les incidents liés aux fraudes sont inhabituellement élevés peut suggérer des suspects potentiels.
- Les saisies immobilières ne peuvent se produire qu'aux endroits où se trouvent des biens immobiliers. La recherche des hot spots des saisies immobilières permet d'identifier les quartiers qui ont besoin d'une aide prioritaire.
- Les incendies de forêts se produisent dans les zones forestières et ne surviendraient pas dans de grands plans d'eau. Les hot spots ou les cold spots statistiquement significatifs sont une source d'informations pour les stratégies et pratiques de gestion des forêts.
2.2.2 Nombre de points au sein de vos propres zones d'agrégation
Dans certains cas, les entités surfaciques telles que les secteurs de recensements, les secteurs de police ou les parcelles ont plus de sens pour l'analyse que la grille par défaut. Voici quelques exemples de cas où il est utile de fournir une couche surfacique à des fins d'agrégation :
Quelles zones administratives représentent des grappes statistiquement significatives de nombres élevés ou faibles de points ?
Pour trouver les secteurs d'une ville dans lesquels les programmes d'élimination de l'amiante sont les plus nécessaires, vous pouvez fournir une couche surfacique des secteurs de recensement de la ville à superposer sur les emplacements des points représentant les foyers où la présence d'amiante a été détectée.
Afin de mieux comprendre la propagation du virus de la grippe dans un pays, vous pouvez fournir des limites de codes postaux et des entités ponctuelles représentant les cas de grippe. En analysant les nouveaux cas chaque semaine, vous détectez les hot spots, ainsi que leur expansion, leur réduction ou leur déplacement.
2.2.3 Sélection de l'option de division
Il existe deux méthodes courantes d'identification des points chauds ou froids :
- Par nombre : lorsque vous analysez un jeu de données particulier, vous pouvez souhaiter trouver les points chauds et froids du nombre d'entités au sein de chaque zone d'agrégation de votre zone d'étude. Vous pouvez, par exemple, souhaiter trouver les points chauds dans lesquels le plus grand nombre de délits a été perpétré et les points froids dans lesquels le plus faible nombre de délits est survenu, afin d'allouer des ressources.
- Par intensité : il peut s'avérer utile d'analyser et de comprendre les modèles en tenant compte des répartitions sous-jacentes qui ont une incidence sur un phénomène particulier. C'est ce que l'on appelle souvent la normalisation, soit le processus de division d'une valeur attributaire numérique par une autre valeur afin de réduire les différences de valeurs selon la taille des surfaces ou le nombre d'entités de chaque surface. Par exemple, dans le cas de la criminalité, vous pouvez souhaiter connaître la répartition des grappes de forts et faibles taux de criminalité en tenant compte de la population sous-jacente. Dans ce cas, vous comptez le nombre de délits dans chaque zone (que cette zone soit un maillage ou un jeu de données surfacique différent) et divisez ce total par la population totale de la zone. Cela donne un taux de criminalité, soit le nombre de délits par personne. La recherche de points chauds et froids de criminalité par personne répond à une question différente qui permet également de prendre des décisions avisées.
Le choix de l'attribut adéquat en fonction duquel effectuer la division est très important. Vous devez vous assurer que l'attribut en fonction duquel vous effectuez la division est un attribut qui a une incidence dans les faits sur la répartition d'un phénomène donné que vous analysez.
Exemples de normalisation adéquate :
- Nombre total de saisies divisé par le nombre total de ménages
- Nombre de wapiti observés divisé par la superficie totale
- Volume total de ventes divisé par le nombre de clients dans chaque district
- Nombre de demandeurs d'emploi divisé par la population âgée de plus de 16 ans
Lorsque vous sélectionnez l'option Diviser parPopulation Esri, les données relatives à la population issues de Esri Demographics Global Coverage sont utilisées. Vérifiez la résolution des données disponibles pour la zone qui vous intéresse, afin de vous assurer qu'elle est compatible avec la taille des zones en cours d'enrichissement (soit des zones d'agrégation que vous fournissez soit des carrés de quadrillage en cours de création). Visitez Esri Demographics Global Coverage pour obtenir des détails concernant les niveaux de géographie disponibles pour chaque ville et l'année des données liées à la population utilisées dans votre analyse.
3 Interprétation des résultats
La sortie de l'outil Trouver les points chauds est une table. Pour les points ou les surfaces dans cette carte de couche de résultat, plus la couleur rouge ou bleue est foncée et plus vous pouvez être certain que l'agrégation n'est pas le fruit du hasard. Les points ou surfaces qui s'affichent en beige, d'un autre côté, ne font pas partie d'une grappe statistiquement significative. Le modèle spatial associé à ces entités pourrait très bien être le fruit du hasard. Il peut arriver que les résultats de votre analyse n'indiquent aucune grappe statistiquement significative. Ces informations sont importantes. Lorsqu'un motif spatial est aléatoire, nous n'avons aucune indication des causes sous-jacentes. Dans ce cas, toutes les entités de la couche de résultat apparaissent en beige. Cependant, lorsque nous détectons une agrégation statistiquement significative, les emplacements où surviennent l'agrégation sont des indications importantes quant à ses origines. La recherche d'agrégations spatiales statistiquement significatives de cas de cancers associés à certaines toxines présentes dans l'environnement, par exemple, peut contribuer à la mise en place de stratégies et de campagnes de protection de la population. Pareillement, la recherche de points chauds d'obésité infantile associée à des programmes d'incitation à la pratique extra-scolaire de sport peuvent inciter à la création de ce type de programmes.
4 Dépannage
La méthode statistique utilisée par l'outil Trouver des points chauds repose sur la loi des probabilités et, par conséquent, nécessite un nombre minimal d'entités pour être efficace. Cette méthode statistique requiert également différents nombres ou valeurs de champ d'analyse. Si vous analysez les délits par secteur de recensement, par exemple, et que vous obtenez exactement le même nombre de délits dans chaque secteur, l'outil ne peut pas fonctionner. Vous trouverez ci-dessous une explication des messages susceptibles d'apparaître lorsque vous utilisez l'outil Trouver des points chauds :
| Message | Problème | Solution |
|---|---|---|
Les options d'analyse que vous avez sélectionnées requièrent un minimum de 60 points pour calculer les points chauds et froids. | Votre couche d'analyse des points ne comporte pas assez d'entités ponctuelles pour parvenir à des résultats fiables. | La solution la plus évidente consiste à ajouter des points à votre couche d'analyse. Vous pouvez également définir des zones d'analyse adjacentes et ajouter ainsi des informations sur l'endroit où des points auraient pu se produire. Cette méthode nécessite un minimum de 30 points. Vous pouvez également fournir des zones d'agrégation qui superposent vos points. Vous aurez besoin d'un minimum de 30 zones surfaciques et de 30 points au sein de ces zones pour cette analyse. Si vous possédez 30 points au moins, vous pouvez spécifier un champ d'analyse. Dans ce cas, la question n'est plus de savoir où se trouvent les nombres élevés et faibles de points, mais où les valeurs de champ d'analyse élevées et faibles s'agrègent spatialement. |
Les options d'analyse que vous avez sélectionnées requièrent un minimum de 30 points avec des données valides dans le champ d'analyse afin de calculer les points chauds et froids. | Votre couche d'analyse ne comporte pas assez de points, ou pas assez de points associés à des valeurs de champ d'analyse autres que Null, pour parvenir à des résultats fiables. | Malheureusement, si vous avez moins de 30 points, cette méthode d'analyse ne convient pas à vos données. Si vous avez plus de 30 points et que vous voyez ce message, le champ d'analyse que vous avez spécifié comporte peut-être des valeurs Null. Les points comportant des valeurs de champ d'analyse Null seront ignorés. Il est également possible qu'un filtre actif réduise le nombre de points disponibles pour l'analyse. |
Les options d'analyse que vous avez sélectionnées requièrent un minimum de 30 polygones avec des données valides dans le champ d'analyse afin de calculer les points chauds et froids. | Votre couche d'analyse ne comporte pas assez de zones surfaciques, ou pas assez d'entités surfaciques associées à des valeurs de champ d'analyse autres que Null, pour parvenir à des résultats fiables. | Malheureusement, si vous avez moins de 30 zones surfaciques, cette méthode d'analyse ne convient pas à vos données. Si vous avez plus de 30 zones et que vous voyez ce message, le champ d'analyse que vous avez spécifié comporte peut-être des valeurs Null. Les zones surfaciques comportant des valeurs de champ d'analyse Null seront ignorées. Il est également possible qu'un filtre actif réduise le nombre de zones surfaciques disponibles pour l'analyse. |
L'option d'analyse que vous avez sélectionnée requiert un minimum de 30 points à l'intérieur des zones surfaciques d'emprise. | Seuls les points qui se trouvent à l'intérieur des zones d'analyse d'emprise que vous dessinez ou fournissez sont analysés. Afin d'obtenir des résultats fiables, 30 points au moins doivent se trouver à l'intérieur des zones d'analyse d'emprise. | Malheureusement, si vous n'avez pas 30 points au moins, cette méthode ne convient pas à vos données. Avec un minimum de 30 entités toutefois, la solution consiste souvent dans ce cas à indiquer des zones d'analyse d'emprise différentes, voire plus grandes. Vous pouvez également fournir une couche surfacique avec un minimum de 30 polygones d'agrégation qui superposent au moins 30 de vos points. Lorsque vous fournissez les zones d'agrégation, l'analyse est réalisée sur le nombre de points au sein de chaque zone. |
L'option d'analyse que vous avez sélectionnée requiert un minimum de 30 points à l'intérieur des polygones d'agrégation. | Seuls les points qui se trouvent à l'intérieur des polygones d'agrégation sont inclus dans l'analyse. Afin d'obtenir des résultats fiables, 30 points au moins doivent se trouver à l'intérieur des zones surfaciques que vous fournissez. | Malheureusement, si vous n'avez pas 30 points au moins, cette méthode ne convient pas à vos données. Sinon, vous devez dessiner ou fournir des zones d'analyse d'emprise qui superposent au moins 30 de vos points. Les zones d'emprise doivent refléter tous les emplacements où les points sont susceptibles de se produire. |
L'option d'analyse que vous avez sélectionnée requiert un minimum de 30 zones d'agrégation. | L'option que vous avez sélectionnée permet de superposer les zones d'agrégation par dessus vos points, puis de comptabiliser les points qui se trouvent au sein de chaque zone. Un minimum de 30 (30 zones) est nécessaire pour parvenir à des résultats fiables. | Des résultats fiables peuvent être obtenus si vous fournissez un minimum de 30 points se trouvant au sein d'un minimum de 30 zones d'agrégation. Si vous n'avez pas 30 zones d'agrégation, vous pouvez dessiner ou fournir des zones d'analyse d'emprise superposant au moins 30 de vos points. Ces zones d'emprise doivent refléter tous les emplacements où les points sont susceptibles de se produire. |
Les points chauds et froids ne peuvent pas être calculés si le nombre de points dans chaque zone surfacique est identique. Essayez différentes zones surfaciques ou différentes options d'analyse. | Lorsque l'outil Trouver des points chauds a comptabilisé le nombre de points au sein de chaque zone surfacique, il a trouvé que les nombres étaient identiques. Afin de générer des résultats, cet outil requiert un degré minimal de variation dans les nombres obtenus. | Vous pouvez fournir d'autres zones d'agrégation afin que toutes les zones n'aient pas le même nombre de points exactement. Au lieu des zones d'agrégation, vous pouvez également dessiner ou fournir des zones d'analyse d'emprise. Vous pouvez spécifier un champ d'analyse. Toutefois, dans ce cas la question n'est plus de savoir où se trouvent les nombres élevés et faibles de points, mais où les valeurs de champ d'analyse élevées et faibles s'agrègent spatialement. |
La variation est insuffisante dans les emplacements des points pour calculer les points chauds et froids. Les points coïncidents, par exemple, réduisent la variation spatiale. Vous pouvez essayer de fournir une zone d'emprise, des zones d'agrégation (30 au minimum) ou un champ d'analyse. | En fonction du nombre de points et de leur répartition, l'outil crée une grille pour superposer vos points. Après avoir comptabilisé le nombre de points qui se trouvent au sein de chaque carré du quadrillage et avoir supprimé les carrés dont le nombre de points est nul, il restait moins de 30 carrés. Cet outil requiert un minimum de 30 (30 carrés) pour parvenir à des résultats fiables. | Si vos points occupent très peu d'endroits uniques (s'il y a beaucoup de points coïncidents), il est recommandé de fournir des zones d'agrégation qui superposent vos points, ou de dessiner ou fournir des zones d'analyse d'emprise indiquant où les points peuvent ou non se produire. Vous pouvez également spécifier un champ d'analyse. Toutefois, dans ce cas la question n'est plus de savoir où se trouvent les nombres élevés et faibles de points, mais où les valeurs de champ d'analyse élevées et faibles s'agrègent spatialement. |
La variation est insuffisante parmi les points au sein des zones surfaciques d'emprise. Vous pouvez essayer de fournir des limites plus vastes. | En fonction des emplacements des points et du nombre de points, l'outil crée une grille pour superposer vos points. Après avoir comptabilisé le nombre de points qui se trouvent au sein de chaque carré du quadrillage et avoir supprimé les carrés qui se trouvent à l'extérieur de vos zones d'analyse d'emprise, il restait moins de 30 carrés de quadrillage. Cet outil requiert un minimum de 30 (30 carrés) pour parvenir à des résultats fiables. | Si vos points se trouvent à différents emplacements à l'intérieur des zones d'analyse d'emprise, vous pouvez peut-être simplement créer ou fournir des limites plus vastes. Si vos points occupent très peu d'endroits uniques (s'il y a beaucoup de points coïncidents), il est recommandé de fournir des zones d'agrégation qui superposent vos points. Vous pouvez également spécifier un champ d'analyse. Toutefois, dans ce cas la question n'est plus de savoir où se trouvent les nombres élevés et faibles de points, mais où les valeurs de champ d'analyse élevées et faibles s'agrègent spatialement. |
Toutes les valeurs de votre champ d'analyse sont probablement les mêmes. Les points chauds et froids ne peuvent pas être calculés si le champ en cours d'analyse ne présente aucune variation. | Il est probable que vous avez spécifié un champ d'analyse contenant la même valeur pour tous vos points ou entités surfaciques dans la couche d'analyse. La statistique utilisée par cet outil ne peut pas effectuer de résolution si les valeurs sont identiques. | Vous pouvez spécifier un champ d'analyse différent ou, pour les entités ponctuelles, des densités ponctuelles d'analyseau lieu de valeurs ponctuelles. |
Nous n'avons pas pu calculer les points chauds et froids pour les données fournies. Le cas échéant, essayez de spécifier un champ d'analyse. | Même si cela est peu probable, lorsque l'outil a créé une grille et comptabilisé le nombre de points au sein de chaque carré, les nombres pour tous les carrés étaient identiques. | La solution consiste alors à fournir vos propres zones d'agrégation, à dessiner ou fournir des zones d'analyse d'emprise ou à spécifier un champ d'analyse. |
Vous trouverez des informations complémentaires concernant les algorithmes employés par l'outil Trouver des points chauds dans Fonctionnement de l'analyse de points chauds optimisée.
5 Ressources supplémentaires
Ressources de statistiques spatiales ArcGIS
Vous avez un commentaire à formuler concernant cette rubrique ?