핫 스팟 찾기 도구는 데이터의 공간 패턴에 통계적으로 유의한 군집이 있는지 확인합니다.
- 포인트(범죄 사건, 나무, 교통 사고)가 실제로 군집되어 있습니까? 어떻게 확신할 수 있습니까?
- 통계적으로 유의한 핫 스팟(지출, 영아 사망률, 지속적으로 높은 시험 점수)을 발견했습니까? 아니면 심볼화 방식을 변경한 경우 맵에 다른 정보가 나타납니까?
무작위 공간 패턴도 어느 정도의 군집을 나타냅니다. 또한 사람의 눈과 뇌는 아무 것도 없는 경우에도 자연적으로 패턴을 찾으려고 시도합니다. 따라서 데이터의 패턴이 실제 공간 프로세스의 결과인지 아니면 단순히 우연의 일치인지 구분하기가 어려울 수 있습니다. 이러한 이유로 연구 기관과 분석 기관에서는 핫 스팟 찾기(Getis-Ord Gi*)와 같은 통계 방법을 사용하여 공간 패턴을 정량화합니다. 데이터에서 통계적으로 유의한 군집을 찾으면 중요한 정보를 얻게 됩니다. 군집한 위치와 시점을 알면 확인한 패턴을 더욱 개선할 수 있는 프로세스에 대한 중요한 단서를 얻을 수 있습니다. 예를 들어 특정 인근 지역에서 주거 침입 사건이 지속적으로 증가하는 것을 안다는 것은 효과적인 예방 전략을 수립하거나, 부족한 경찰 인력을 배정하거나, 인근 지역 감시 프로그램을 시작하거나, 강도 높은 수사를 승인하거나, 잠재적 용의자를 파악해야 하는 경우에 매우 중요한 정보입니다.
| 1 영역 피처 분석 2.1 포인트 피처와 연관된 높은 값 및 낮은 값의 군집점 찾기 2.2 높은 포인트 개수 및 낮은 포인트 개수의 군집점 찾기 2.2.1 경계 처리 범위 정의 2.2.2 집계 영역 피처 제공 2.2.3 나누기 기준 선택 3 결과 해석 4 문제 해결 5 추가 리소스 |
1 영역 피처 분석
영역 피처에는 인구 조사 표준 지역, 국가, 선거구, 병원 지역, 필지, 공원 및 휴양지 경계, 유역, 토지 피복 분류, 기후대 등 매우 많은 데이터를 사용할 수 있습니다. 분석 레이어에 영역 피처가 들어 있는 경우 높은 값 및 낮은 값의 군집점을 찾는 데 사용될 숫자 필드를 지정해야 합니다. 이 필드는 다음을 나타낼 수도 있습니다.
- 개수(예: 가구 수)
- 비율(예: 대졸 이상의 인구 비율)
- 평균(예: 평균 또는 중앙 가계 소득)
- 지표(예: 스포츠 경기에 대한 가계 지출이 국가 평균을 초과하는지 미달하는지를 나타내는 점수)
핫 스팟 찾기 도구는 사용자가 제공한 필드를 사용하여 통계적으로 유의한 높은 값(핫 스팟: 빨간색)과 낮은 값(콜드 스팟: 파란색)이 포함된 지역을 보여주는 맵을 생성합니다. 이 유형의 분석은 다양한 질문에 대한 답을 찾는 데 도움이 될 수 있습니다.
서비스 접근성이 가장 좋은 지역과 가장 나쁜 지역
예를 들어 어린이 수와 소아과 의사 수를 기반으로 소아과 서비스 접근성이 좋은 지역과 나쁜 지역을 식별할 수 있습니다. 이 정보는 접근성이 나쁜 지역에서 소아과 의사를 채용하도록 인센티브 프로그램을 가동하는 데 도움이 될 수 있습니다. 이 분석을 위해 어린이당 소아과 의사 수를 반영하는 변수를 생성할 수 있습니다. 그런 다음 해당 비율에서 핫 스팟 찾기를 실행하여 높은 비율(좋은 접근성을 나타내는 핫 스팟)과 낮은 비율(나쁜 접근성을 나타내는 콜드 스팟)의 통계적으로 유의한 군집을 찾을 수 있습니다.
모든 사건의 예상 비율보다 비율이 높은 특정 유형의 사건 발생 지역
지역 소방서에서 주방 화재의 증가를 우려하고 있다고 가정해 보겠습니다. 이 경우 먼저 주방 화재 발생 건수를 처리 범위(예: 인구 조사 표준 지역) 내 각 인근 지역의 다른 주택 화재 발생 건수로 나눈 값을 계산합니다. 그런 다음 이러한 비율에 대해 핫 스팟 찾기를 실행하여 주방 화재 발생 건수가 예상보다 높은 커뮤니티(핫 스팟)를 찾습니다. 특정 요리 방법과 함께 작성된 음식 종류를 통해 다른 곳보다 주방 화재 발생 가능성이 높은 일부 커뮤니티를 확인할 수 있습니다. 이러한 위험 수준이 높은 지역에 광고물이나 교육 자료를 전략적으로 배치하면 향후의 화재를 예방하는 데 도움이 될 수 있습니다.
지지율이 가장 높은 지역과 가장 낮은 지역
특정 정당, 후보 또는 찬반 투표에 대한 지지율이 가장 높은 지역과 가장 낮은 지역을 파악할 수 있습니다. 이 정보는 향후 선거에 대한 캠페인 전략을 수립하는 데 도움이 될 수 있습니다. 아래 맵에서 빨간색 지역은 공화당 투표율이 민주당보다 훨씬 높았던 통계적으로 유의한 군집이고, 파란색 지역은 민주당 지지율이 높은 통계적으로 유의한 군집입니다. 이 맵은 공화당 투표율에서 민주당 투표율을 뺀 다음 이러한 차이에 대해 핫 스팟 찾기를 실행하여 생성한 맵입니다.
2 포인트 피처 분석
다양한 데이터를 포인트 피처로 사용할 수 있습니다. 포인트로 가장 자주 표현되는 피처의 예에는 범죄 사건, 학교, 병원, 긴급 통화, 교통 사고, 우물, 나무, 보트 등이 있습니다. 경우에 따라 각 포인트 피처와 연관된 데이터 값(필드)을 분석하거나, 포인트 자체의 군집만 평가할 수도 있습니다. 필드 제공 여부에 대한 결정은 질문에 따라 달라집니다.
2.1 포인트 피처와 연관된 높은 값 및 낮은 값의 군집점 찾기
"높고 낮은 값이 공간적으로 군집되는 위치는 어디입니까?" 등의 질문에 답하기 위한 분석 필드를 제공할 수 있습니다. 선택한 필드는 다음을 나타낼 수 있습니다.
- 개수(예: 교차로에서의 교통 사고 건수)
- 비율(예: 도시 실업률, 여기서 각 도시는 포인트 피처로 표시됨)
- 평균(예: 학교 간의 수학 시험 평균 점수)
- 지표(예: 지역 내 자동차 대리점에 대한 고객 만족도 점수)
포인트 피처와 연관된 높은 값 및 낮은 값이 공간적으로 군집되는 위치를 알면 중요한 질문에 대한 답을 쉽게 찾을 수 있습니다. 예를 들면 다음과 같습니다.
자원이 충분한 곳과 부족한 곳
예를 들어 재해 관리의 경우 병원 침상의 가용성 추세를 이해하면 긴급 상황을 계획하고 대비하는 데 도움이 될 수 있습니다. 포인트 피처가 병원 시설을 나타내는 경우 일, 주, 월 또는 계절별 평균 가용 침상 수를 계산하고 이러한 평균에 대해 핫 스팟 찾기를 실행하면 지속적으로 입원 환자가 가득 차는 병원 지역과 지속적으로 빈 침상이 있는 병원 지역을 파악할 수 있으며, 중요한 시계열 추세를 파악할 수도 있습니다.
또 다른 예로, 교사가 가장 필요한 지역을 분석할 수 있습니다. 포인트 피처가 학교이고 각 포인트가 평균 학생 대 교사 비율과 연결된 경우 이러한 비율에 적용된 핫 스팟 찾기에서는 교사 및/또는 교실 수가 부족한 학군을 파악할 수 있습니다.
노출도가 가장 좋은 구역과 가장 나쁜 구역
예를 들어 쇼핑몰의 매장이 쇼핑객 동선을 반영하는 분석 필드가 포함된 포인트 피처로 표시된 경우 핫 스팟 찾기를 통해 쇼핑객에게 가장 많이 노출되는 구역과 가장 적게 노출되는 구역을 확인할 수 있습니다.
2.2 높은 포인트 개수 및 낮은 포인트 개수의 군집점 찾기
일부 포인트 데이터의 경우 일반적으로 각 포인트가 사건, 사고 또는 존재/부재의 암시를 나타내면 사용할 명확한 분석 필드가 없는 것입니다. 이러한 경우 군집이 비정상적으로(통계적으로 유의) 강하거나 약한 곳만 파악할 수 있습니다. 이 분석에서는 영역 피처(도구에서 생성하는 그물망 그리드 또는 사용자가 제공한 영역 레이어)가 포인트 위에 배치되고 각 영역에 속한 포인트 수가 계산됩니다. 그런 다음 도구에서는 각 영역 피처와 연관된 높은 포인트 개수 및 낮은 포인트 개수를 찾습니다. 포인트 개수의 통계적으로 유의한 군집이 있는 곳을 알면 다음과 같은 질문에 대한 답을 쉽게 찾을 수 있습니다.
추가 리소스가 필요한 곳
각 포인트 피처가 도시의 범죄를 나타내는 경우 이러한 포인트에 대해 핫 스팟 찾기 도구를 실행하면 범죄 발생률이 가장 높은 지역과 가장 낮은 지역을 파악할 수 있습니다. 이 정보는 범죄 예방 인력을 배정하는 데 하나의 지침으로 사용될 수 있습니다.
우선 순위가 높은 지역
포인트 데이터가 숲의 성목을 나타내는 경우 핫 스팟 찾기를 실행하면 나무의 밀도가 가장 높은 지역과 가장 낮은 지역을 파악할 수 있습니다. 이는 산림 관리인에게 귀중한 정보가 될 수 있습니다.
마찬가지로 각 포인트가 병들거나 해충이 있는 나무를 나타내는 경우 핫 스팟 찾기를 사용하여 이러한 문제가 가장 심각한 지역(핫 스팟)을 파악하면 우선적으로 처리해야 하는 지역을 확인할 수 있습니다. 질병이나 해충 발생률이 낮은 지역(콜드 스팟)은 저항성을 강화하는 요인에 대한 단서를 제공할 수 있습니다. 질병/해충 발생률이 높거나 낮은 군집이 통계적으로 유의하다는 것은 기본적인 요인이 이러한 문제에 긍정적이거나 부정적인 영향을 미칠 수 있다는 강력한 증거가 됩니다.
사망자가 한 명 이상 포함된 교통 사고의 핫 스팟 맵은 안전 개선 프로젝트의 우선 순위를 지정하는 데 도움이 됩니다.
또한 주택 담보율에 대해 핫 스팟 찾기를 실행하면 지원 프로그램이 가장 시급한 지역을 파악하는 데 도움이 됩니다. 주택 담보율이 예상보다 낮은 콜드 스팟은 주택 소유자의 회복력에 대한 단서를 제공합니다.
이 유형의 분석에 대해 사건 포인트를 세는 집계 영역을 제공하지 않은 경우 핫 스팟 찾기 도구에서 그물망 그리드를 생성하여 분석 레이어의 포인트 위에 배치합니다. 그러면 각 그물망 사각형에 속한 포인트 수가 계산되고 분석됩니다. 포인트 가능 위치를 정의하지 않으면 포인트가 하나 이상 있는 그물망 사각형만 분석됩니다.
결과 레이어에서 통계적으로 유의한 모든 핫 스팟(빨간색)에는 높은 개수 값이 있는 그물망 사각형의 공간 군집이 반영됩니다. 마찬가지로 통계적으로 유의한 콜드 스팟(파란색)에는 개수 값이 매우 낮은 그물망 사각형의 공간 군집이 반영됩니다. 참고: 결과 레이어는 밀도 표면이 아니라 높은 포인트 수 또는 낮은 포인트 수가 랜덤한 결과라고 하기엔 너무 군집된 위치를 나타냅니다. 분석 중인 포인트 데이터에 통계적으로 유의한 군집이 없을 수도 있습니다.
2.2.1 포인트 가능 위치 정의
사건 포인트 피처가 발생할 가능성이 있는 모든 위치에서 분석을 수행할 영역 레이어를 지정하거나 처리 범위를 정의하는 영역을 그립니다. 이 옵션의 경우 핫 스팟 찾기 도구는 정의된 처리 범위를 그물망 그리드에 중첩하여 각 그물망 사각형에 속한 포인트 수를 계산합니다. 이 옵션을 사용할 때 사건 포인트가 발생할 가능성이 있는 지역을 지정하지 않으면 핫 스팟 찾기 도구에서 하나 이상의 포인트가 포함된 그물망 사각형만 분석합니다. 그러나 이 옵션을 사용하여 가능한 포인트 위치를 정의한 경우에는 정의한 경계 영역 내에 속한 모든 그물망 사각형에 대해 분석이 수행됩니다. 다음은 분석 경계를 지정하는 것이 특히 유용한 경우에 대한 몇 가지 예입니다.
제공된 경계 내의 문제 영역
포인트 데이터가 선박의 항구 지원 요청을 나타내는 경우 항구의 선박 이동 경로를 반영하는 경계 영역을 제공할 수 있습니다. 발견된 모든 핫 스팟은 지원 요청이 예기치 않게 많은 위치를 나타냅니다. 이러한 위치를 알면 즉각적인 조사를 실시하고 예방 조치를 취할 수 있습니다.
또 다른 시나리오는 다음과 같습니다.
- 소매 사기는 매장을 운영하는 곳에서만 발생합니다. 사기 사건이 비정상적으로 많은 위치를 찾으면 잠재적 용의자를 파악할 수 있습니다.
- 주택 압류는 주택이 있는 곳에서만 발생합니다. 압류에 대한 핫 스팟을 찾으면 우선 지원이 필요한 인근 주거 지역을 파악할 수 있습니다.
- 산불은 산림 지역에서 발생하며 대규모 수역 내에서는 발생하지 않습니다. 이 분석에서 통계적으로 유의한 핫 스팟과 콜드 스팟은 산림 관리 정책 및 실무에 유용한 정보를 제공할 수 있습니다.
2.2.2 집약 영역 내의 포인트 세기
경우에 따라 인구 조사 표준 지역, 경찰 폭력 또는 필지와 같은 영역 피처가 기본 그물망 그리드보다 분석에 유용할 수 있습니다. 다음은 집계를 목적으로 영역 피처를 제공하는 것이 유리한 경우의 몇 가지 예입니다.
포인트 수가 많은 군집과 적은 군집이 통계적으로 유의한 행정 보고 영역
도시에서 석면 제거 프로그램이 가장 시급한 구역을 찾으려는 경우 도시의 인구 조사 표준 지역에 대한 영역 레이어를 제공하여 가정에서 석면이 발견된 포인트 위치에 중첩할 수 있습니다.
국내의 독감 바이러스 확산 방식을 이해하려는 경우 우편 주소 경계와 독감 발생을 나타내는 포인트 피처를 제공할 수 있습니다. 매주 새로운 사고를 분석하여 핫 스팟을 파악하고 해당 지역이 확대되는지, 축소되는지, 이동하는지 확인할 수 있습니다.
2.2.3 나누기 기준 선택
다음과 같은 두 가지 일반적인 방식으로 핫 스팟과 콜드 스팟을 식별합니다.
- 개수 기준 - 특정 데이터셋을 분석할 때 연구 영역 전반의 각 집약 영역 내 피처 수에 대한 핫 스팟 및 콜드 스팟을 찾을 수 있습니다. 예를 들어 범죄 발생 건수가 가장 높은 핫 스팟과 발생 건수가 가장 낮은 콜드 스팟을 찾아 인력을 배정하려 할 수 있습니다.
- 강도 기준 - 다른 한편으로는 특정 현상에 영향을 주는 기본적인 분포도를 고려하여 패턴을 이해하고 분석하는 방식도 사용할 수 있습니다. 이 개념은 영역의 크기 또는 각 영역 내 피처 수를 기반으로 값의 차이를 최소화하기 위해 하나의 숫자 속성 값을 다른 숫자 속성 값으로 나누는 프로세스, 즉 정규화라고 종종 불립니다. 예를 들어 범죄의 경우 기본 인구를 고려하여 범죄 발생 건수가 높은 지역과 낮은 지역을 파악할 수 있습니다. 이 경우 각 지역의 범죄 발생 건수를 세어(해당 지역이 그물망 그리드이든 다른 영역 데이터셋이든) 총 범죄 발생 건수를 해당 지역의 총 인구 수로 나눕니다. 이 프로세스를 통해 범죄율, 즉 1인당 범죄 수가 제공됩니다. 1인당 범죄 수의 핫 스팟과 콜드 스팟을 찾아봄으로써 의사 결정에 도움을 줄 수 있는 다른 질문에도 답할 수 있습니다.
적합한 나누기 기준 속성을 선택하는 것이 매우 중요합니다. 나누기 기준 속성은 분석하고자 하는 특정 현상의 분포에 영향을 주는 속성이어야 합니다.
적합한 정규화의 예는 다음과 같습니다.
- 총 가구 수로 나눈 차압 수
- 총 면적으로 나눈 관찰된 사슴 수
- 각 지구의 고객 수로 나눈 총 판매량
- 16세 이상 인구 수로 나눈 실업자 수
Esri 인구로 나누기를 선택하면 Esri 인구 통계 글로벌 커버리지의 인구 데이터가 사용됩니다. 보강되는 영역(제공한 집약 영역 또는 생성 중인 그물망 사각형)의 크기와 호환되도록 하려면 관심 영역에 사용할 수 있는 데이터 해상도를 살펴봐야 합니다. 국가별로 지원되는 지리 수준 및 분석에 사용되는 인구 데이터의 빈티지에 대한 자세한 내용은 Esri 인구 통계 글로벌 커버리지를 방문하세요.
3 결과 해석
핫 스팟 찾기 도구의 결과는 맵입니다. 이 결과 레이어 맵의 포인트 또는 영역에 대해 표시되는 빨간색 또는 파란색의 색상이 진할수록 군집이 무작위적 우연의 결과가 아니라는 점을 더욱 확신할 수 있습니다. 반면, 연하게 나타난 포인트나 영역은 통계적으로 유의한 군집에 속하지 않습니다. 이러한 피처와 연관된 공간 패턴은 무작위적 우연의 결과일 가능성이 높습니다. 경우에 따라 분석 결과가 통계적으로 유의한 군집이 없음을 나타낼 수도 있습니다. 이는 중요한 정보입니다. 공간 패턴이 무작위인 경우 기본 원인에 대한 단서가 없습니다. 이러한 경우에는 결과의 모든 피처가 연하게 나타납니다. 그러나 통계적으로 유의한 군집을 찾을 때 군집이 발생한 위치는 군집을 생성하는 원인에 대한 중요한 단서입니다. 예를 들어 특정 환경 독성물과 연관된 암에 대한 통계적으로 유의한 군집을 찾으면 사람들을 보호하기 위한 정책과 방침을 수립하는 데 도움이 될 수 있습니다. 마찬가지로 방과 후 스포츠 프로그램을 권장하는 학교와 연관된 아동 비만에 대한 콜드 스팟을 찾으면 이러한 유형의 프로그램을 보다 폭넓게 권장할 수 있는 강력한 타당성을 제공할 수 있습니다.
4 문제 해결
핫 스팟 찾기 도구에서 사용하는 통계 방법은 확률 이론에 기반을 두므로 최소 개수의 피처가 있어야 효과적으로 작동합니다. 또한 이 통계 방법에는 여러 카운트 또는 분석 필드 값이 필요합니다. 예를 들어 인구 조사 표준 지역별 범죄 발생률을 분석하는 경우 각 표준 지역의 범죄 발생 건수가 정확히 동일하면 도구에서 해를 구할 수 없습니다. 다음은 핫 스팟 찾기 도구를 사용할 때 발생할 수 있는 메시지에 대한 설명입니다.
| 메시지 | 문제 | 해결 방법 |
|---|---|---|
핫 스팟 및 콜드 스팟을 계산하려면 선택한 분석 옵션에 최소 60개의 포인트가 필요합니다. | 포인트 분석 레이어의 포인트 피처가 부족하여 신뢰할 수 있는 결과를 계산할 수 없습니다. | 명확한 해결 방법은 분석 레이어에 더 많은 포인트를 추가하는 것입니다. 또는 경계 분석 영역을 정의하여 포인트가 발생할 수 있는(아직 발생되지는 않음) 영역에 대한 정보를 추가할 수 있습니다. 이 방법을 사용할 경우 최소 30개의 포인트가 필요합니다. 포인트에 중첩되는 집계 영역을 제공할 수도 있습니다. 이 분석의 경우 이러한 영역 내에 최소 30개의 폴리곤 영역과 30개의 포인트가 필요합니다. 최소 30개의 포인트가 있는 경우 분석 필드를 지정할 수 있습니다. 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다. |
핫 스팟 및 콜드 스팟을 계산하려면 분석 필드의 유효한 데이터와 함께 선택한 분석 옵션에 최소 30개의 포인트가 필요합니다. | 분석 레이어에 포인트가 부족하거나 NULL이 아닌 분석 필드 값과 연관된 포인트가 부족해 신뢰할 수 있는 결과를 계산할 수 없습니다. | 포인트 수가 30개 미만인 경우 이 분석 방법은 데이터에 적절하지 않습니다. 30개가 넘는 포인트가 있는 경우 이 메시지가 표시되면 지정한 분석 필드에 NULL 값이 있을 수 있습니다. NULL 분석 필드 값이 있는 포인트는 건너뜁니다. 또 다른 가능성은 활성 필터로 인해 분석에 사용할 수 있는 포인트 수가 감소했을 수 있다는 것입니다. |
핫 스팟 및 콜드 스팟을 계산하려면 분석 필드의 유효한 데이터와 함께 선택한 분석 옵션에 최소 30개의 폴리곤이 필요합니다. | 분석 레이어에 폴리곤 영역이 부족하거나 NULL이 아닌 분석 필드 값과 연관된 영역 피처가 부족해 신뢰할 수 있는 결과를 계산할 수 없습니다. | 폴리곤 영역 수가 30개 미만인 경우 이 분석 방법은 데이터에 적절하지 않습니다. 30개가 넘는 영역이 있는 경우 이 메시지가 표시되면 지정한 분석 필드에 NULL 값이 있을 수 있습니다. NULL 분석 필드 값이 있는 폴리곤 영역은 건너뜁니다. 또 다른 가능성은 활성 필터로 인해 분석에 사용할 수 있는 폴리곤 영역 수가 감소했을 수 있다는 것입니다. |
선택한 분석 옵션에는 최소 30개의 포인트가 경계 폴리곤 영역 내에 있어야 합니다. | 그리거나 제공한 경계 분석 영역 내에 있는 포인트만 분석됩니다. 신뢰할 수 있는 결과를 얻으려면 30개 이상의 포인트가 경계 분석 영역 내에 있어야 합니다. | 포인트 수가 30개 미만인 경우 이 방법은 데이터에 적절하지 않습니다. 그러나 30개 이상의 피처가 있는 경우에도 보다 큰 다른 경계 분석 영역을 제공해야 하는 경우가 자주 있습니다. 또 다른 옵션은 30개 이상의 포인트에서 중첩되는 집계 폴리곤이 30개 이상 있는 영역 레이어를 제공하는 것입니다. 집계 영역을 제공한 경우 각 영역 내의 포인트 수에 대해 분석이 수행됩니다. |
선택한 분석 옵션에는 최소 30개의 포인트가 집계 폴리곤 내에 있어야 합니다. | 집계 폴리곤 내에 속한 포인트만 분석에 포함됩니다. 신뢰할 수 있는 결과를 얻으려면 30개 이상의 포인트가 제공한 폴리곤 영역 내에 있어야 합니다. | 포인트 수가 30개 미만인 경우 이 방법은 데이터에 적절하지 않습니다. 그렇지 않으면 30개 이상의 포인트에서 중첩되는 경계 분석 영역을 그리거나 제공해야 합니다. 경계 영역은 포인트가 발생할 수 있는 모든 위치를 반영해야 합니다. |
선택한 분석 옵션에는 최소 30개의 집계 영역이 필요합니다. | 선택한 옵션은 포인트 위에 집계 영역을 중첩한 다음 각 영역 내에 속한 포인트 수를 계산합니다. 신뢰할 수 있는 결과를 얻으려면 개수가 30개(30개 영역) 이상이어야 합니다. | 30개 이상의 집계 영역 내에 속한 포인트를 30개 이상 제공한 경우 신뢰할 수 있는 결과가 계산될 수 있습니다. 집계 영역이 30개 미만인 경우에는 30개 이상의 포인트에 중첩되는 경계 분석 영역을 그리거나 제공하면 됩니다. 이러한 경계 영역은 포인트가 발생할 수 있는 모든 위치를 반영해야 합니다. |
모든 폴리곤 내의 포인트 수가 동일한 경우에는 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. 다른 폴리곤 영역 또는 다른 분석 옵션으로 시도해 보세요. | 핫 스팟 찾기 도구에서 각 집계 영역 내의 포인트 수를 계산한 결과 개수가 모두 동일한 것을 확인했습니다. 결과를 계산하려면 이 도구에서 얻은 개수 값에 적어도 약간의 차이가 있어야 합니다. | 모든 영역의 포인트 수가 정확히 같지 않게 나타나도록 다른 집계 영역을 제공할 수 있습니다. 집계 영역 대신 경계 분석 영역을 그리거나 제공할 수도 있습니다. 또는 분석 필드를 지정할 수 있습니다. 그러나 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다. |
포인트 위치의 차이가 적어 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. 예를 들어 일치하는 포인트는 공간 차이를 줄입니다. 경계 영역, 집계 영역(최소 30개) 또는 분석 필드를 제공해 보세요. | 포인트 수와 분포도에 따라 포인트에 중첩되는 그물망 그리드가 자동으로 생성됩니다. 각 그물망 사각형 내에 속한 포인트 수를 계산하고 포인트가 없는 사각형을 제거한 후 남은 사각형이 30개 미만이었습니다. 이 도구에서 신뢰할 수 있는 결과를 제공하려면 개수가 30개(30개 사각형) 이상이어야 합니다. | 포인트가 매우 작은 고유 위치를 차지하는 경우(일치하는 포인트가 많은 경우) 포인트에 중첩되는 집계 영역을 제공하거나, 포인트가 있는 위치와 없는 위치를 나타내는 경계 분석 영역을 그리고 제공하는 것이 좋습니다. 또 다른 옵션은 분석 필드를 지정하는 것입니다. 그러나 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다. |
경계 폴리곤 영역 내 포인트 간의 차이가 적습니다. 더 큰 경계를 제공해 보세요. | 포인트 위치와 포인트 수에 따라 포인트에 중첩되는 그물망 그리드가 자동으로 생성됩니다. 각 그물망 사각형 내에 속한 포인트 수를 계산하고 경계 분석 영역 외부에 있는 사각형을 제거한 후 남은 그물망 사각형이 30개 미만이었습니다. 이 도구에서 신뢰할 수 있는 결과를 제공하려면 개수가 30개(30개 사각형) 이상이어야 합니다. | 포인트가 경계 분석 영역 내의 여러 곳에 있는 경우 더 큰 경계를 만들거나 제공해야 할 수 있습니다. 포인트가 매우 작은 고유 위치를 차지하는 경우(일치하는 포인트가 많은 경우) 포인트에 중첩되는 집계 영역을 제공하는 것이 좋습니다. 또 다른 옵션은 분석 필드를 지정하는 것입니다. 그러나 이 경우 포인트가 많거나 적은 위치에 대한 질문이 높은 분석 필드 값과 낮은 분석 필드 값이 공간적으로 군집된 위치에 대한 질문으로 변경됩니다. |
분석 필드의 모든 값이 같은 것 같습니다. 분석 필드의 차이가 없는 경우 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. | 지정한 분석 필드의 분석 레이어에 있는 모든 포인트 또는 영역 피처의 값이 같을 수 있습니다. 이 도구에서 사용하는 통계는 다양한 값이 없으면 해를 구할 수 없습니다. | 다른 분석 필드를 제공하거나, 포인트 피처의 경우 포인트 값 대신 포인트 밀도를 분석할 수 있습니다. |
제공된 데이터에 대해서는 핫 스팟 및 콜드 스팟을 계산할 수 없습니다. 적절한 경우 분석 필드를 지정해 보세요. | 아주 드문 경우이지만, 이 도구에서 그물망 그리드를 생성하고 각 사각형 내의 포인트 수를 계산했을 때 모든 사각형에 있는 포인트 수가 동일했습니다. | 이 경우 고유한 집계 영역을 제공하거나, 경계 분석 영역을 그리고 제공하거나, 분석 필드를 지정할 수 있습니다. |
핫 스팟 찾기 도구에서 사용되는 알고리즘에 대한 자세한 내용은 최적화된 핫 스팟 분석의 작동 방식을 참고하세요.