Análisis exploratorio de datos espaciales con GeoDa

Tratamiento de Datos Espaciales

I) Descripción de los datos:

En una base de datos (data_atlantic_1998_2012.csv) que equivalen a 666 coordenadas de los condados correspondientes a las 13 colonias que tenía Reino Unido en la costa este de América del Norte; se contiene información sobre la pobreza, el Pm25, entre otras en la misma región.
Nota: Los datos fueron tomados del ejercicio: 3-TareaGWSS.R, allí podrá entender, y observar una descripción minuciosa de estos.

Datos = read.csv(file.choose(), header=T)
names(Datos)

[1] "FIPS" "x"    "y"    "Rate" "POV"  "SMOK" "PM25" "NO2" 
[9] "SO2" 

II) Puntos espaciales:

Ahora, a diferencia de los anteriores ejercicios, se trabajará esta base de datos, como puntos espaciales y NO como polígonos espaciales en GeoDa, para ello:

# Tomando las coordenadas
coord <- cbind(Datos$x, Datos$y)

# Convirtiendo coordenadas a puntos espaciales
coords_sp <- SpatialPoints(coord)

# La nueva base de datos de puntos espaciales es:
atlanta_spdf <- SpatialPointsDataFrame(coords_sp, Datos)

# grafico
spplot(atlanta_spdf, "POV") # Distribución espacial 

plot(coords_sp, pch=1, col="brown")

III) Almacenando la nueva base de datos de puntos espaciales

• rgdal: Proporciona enlaces a la biblioteca de abstracción de datos ‘geoespacial’.

library(rgdal)

# Ubicacion actual
getwd() 

[1] "C:/Users/EQUIPO/Documents/GitHub/EstadisticaEspacial/R-Markdown"

# Estableciendo nueva ubicacion
setwd("C:/Users/EQUIPO/Documents/GitHub/EstadisticaEspacial/") 

The working directory was changed to C:/Users/EQUIPO/Documents/GitHub/EstadisticaEspacial inside a notebook chunk. The working directory will be reset when the chunk is finished running. Use the knitr root.dir option in the setup chunk to change the working directory for notebook chunks.

# Guardando los archivos #Atlanta.dbf, Atlanta.shp, Atlanta.shx
wd = "C:/Users/EQUIPO/Documents/GitHub/EstadisticaEspacial/data/atlanta_sp"
writeOGR(obj=atlanta_spdf, dsn=wd, layer="Atlanta", driver="ESRI Shapefile")

Anteriormente quedan almacenados en la dirección: C:/Users/EQUIPO/Documents/GitHub/EstadisticaEspacial/data/atlanta_sp existente, los archivos Atlanta.dbf, Atlanta.shp y Atlanta.shx.

Nota:

Otra forma de salvar o guardar variables de R, es mediante la función save y se cargan nuevamente, mediante la función load.

save(atlanta_spdf,file="Ejemplo.RData")
load("Ejemplo.RData")

Análisis exploratorio con GeoDa

Teniendo los anteriores archivos: `Atlanta.dbf, Atlanta.shp, Atlanta.shx se exporta el de formato shp a GeoDa y se realizan los diferentes estudios gráficos.

Así lucen los datos en este software:

Histograma

Histograma para la variable “POV” o tasa pobreza.

• Medianteel histograma se pueden observar dónde se encuentran las zonas más pobres.

Diagrama de dispersión

Diagrama de dispersión para la variable “POV” o tasa pobreza y el PM25

* Se puede observar que la pendiente=0,0092 indica que no prácticamente no existe relación entre la variable pobreza y el indicador de contaminación pm25.

Diagrama de cajas y bigotes

Diagrama de cajas y bigotes para la variable “POV”

• Al parecer hay datos atípicos, es decir, zonas donde la tasa de pobreza es muy alta, en comparación con el resto de los datos, y estos puntos, se pueden observar en el mapa.

Mapa de percentiles

Percentiles para la variable “POV”

• Se dividen los datos en percentiles y se observa cada uno en el mapa.