Clase anterior
Karol Johana Zambrano Cruz
20/3/2021
** Comentar cĆ³digo visto en clase**
El Rpbs consiste en comentar el codigo visto en clase. El script tiene como objetivo la lectura de datos espaciales y sobre el procesar y analizar los datos tomando la base de datos
Cargar libreria y la base de datos
Cargamos la libreria GWmodel, y la base de datos DubVoter (Datos de participaciĆ³n de votantes y personajes sociales en el Gran DublĆn para las elecciones generales de 2002 y el censo de 2002. Tenga en cuenta que originalmente se pensĆ³ que este conjunto de datos se relacionaba con 2004, por lo que para la continuidad hemos retenido los nombres de las variables asociadas. )
Se ilustra el cƔlculo de las medidas locales usando un conjunto de datos espaciales que trae por defecto el paquete GWmodel de R.
library(GWmodel) #Instalar GWmodel (modelos geograficamentes ponderados)## Loading required package: maptools## Loading required package: sp## Checking rgeos availability: TRUE## Loading required package: robustbase## Loading required package: Rcpp## Loading required package: spatialreg## Loading required package: spData## To access larger datasets in this package, install the spDataLarge
## package with: `install.packages('spDataLarge',
## repos='https://nowosad.github.io/drat/', type='source')`## Loading required package: Matrix## Registered S3 methods overwritten by 'spatialreg':
## method from
## residuals.stsls spdep
## deviance.stsls spdep
## coef.stsls spdep
## print.stsls spdep
## summary.stsls spdep
## print.summary.stsls spdep
## residuals.gmsar spdep
## deviance.gmsar spdep
## coef.gmsar spdep
## fitted.gmsar spdep
## print.gmsar spdep
## summary.gmsar spdep
## print.summary.gmsar spdep
## print.lagmess spdep
## summary.lagmess spdep
## print.summary.lagmess spdep
## residuals.lagmess spdep
## deviance.lagmess spdep
## coef.lagmess spdep
## fitted.lagmess spdep
## logLik.lagmess spdep
## fitted.SFResult spdep
## print.SFResult spdep
## fitted.ME_res spdep
## print.ME_res spdep
## print.lagImpact spdep
## plot.lagImpact spdep
## summary.lagImpact spdep
## HPDinterval.lagImpact spdep
## print.summary.lagImpact spdep
## print.sarlm spdep
## summary.sarlm spdep
## residuals.sarlm spdep
## deviance.sarlm spdep
## coef.sarlm spdep
## vcov.sarlm spdep
## fitted.sarlm spdep
## logLik.sarlm spdep
## anova.sarlm spdep
## predict.sarlm spdep
## print.summary.sarlm spdep
## print.sarlm.pred spdep
## as.data.frame.sarlm.pred spdep
## residuals.spautolm spdep
## deviance.spautolm spdep
## coef.spautolm spdep
## fitted.spautolm spdep
## print.spautolm spdep
## summary.spautolm spdep
## logLik.spautolm spdep
## print.summary.spautolm spdep
## print.WXImpact spdep
## summary.WXImpact spdep
## print.summary.WXImpact spdep
## predict.SLX spdep## Welcome to GWmodel version 2.2-3.
## The new version of GWmodel 2.2-4 now is ready##
## Attaching package: 'GWmodel'## The following objects are masked from 'package:stats':
##
## BIC, fitteddata(DubVoter) #cargamos la base de datos
class(Dub.voter) #clase de la base de datos ## [1] "SpatialPolygonsDataFrame"
## attr(,"package")
## [1] "sp"Vemos que esta reconocido como un objeto espacial
Se implementa la base de datos āDubVoterā, la observamos y vemos sus dimensiones:
head(Dub.voter) #muestra las primeras 5 observaciones## DED_ID X Y DiffAdd LARent SC1 Unempl LowEduc
## 0 2001 314791.7 235244.0 22.08633 16.208791 8.561151 8.009709 0.600000
## 1 2002 314417.8 234933.8 23.59987 22.388060 7.898996 12.126156 0.585586
## 2 2003 314253.1 234162.9 33.51579 75.438596 10.610526 8.940201 0.522648
## 3 2004 313676.5 234506.9 13.95918 37.298637 5.469388 15.185602 0.698758
## 4 2005 313956.8 234737.3 13.88697 13.615870 6.960717 13.021807 0.579581
## 5 2006 311883.4 236758.4 6.49846 1.668255 6.043714 2.882353 0.193632
## Age18_24 Age25_44 Age45_64 GenEl2004
## 0 24.17266 39.56835 12.302158 48.89135
## 1 21.88411 45.48398 15.118161 41.01094
## 2 28.04210 49.68421 9.389474 45.03546
## 3 14.66667 39.29252 16.571429 52.61682
## 4 11.95727 38.04273 19.469331 57.30868
## 5 11.88206 33.87120 17.001614 65.60935dim(Dub.voter) #muestra la dimensiĆ²n## [1] 322 12?Dub.voter## starting httpd help server ... doneDubVoter es una base de datos de las sustancias del suelo con 322 obsv. 12 variables (contando el ID)
Ahora, utilizamos la funciĆ³n gwss (necesita el objeto espacial, la variable a trabajar, kernel, ancho de banda, p=2 hace referencia a la distancia euclidiana:
a gwss se le asigna un nombre (variable)
medidas=gwss(Dub.voter, vars = c('GenEl2004','LARent','Unempl'),kernel="bisquare",adaptive=TRUE, bw=48 ,p=2) #objeto espacial:Dub.voter, vars=vector con las variables a trabajar, bw(ancho de banda, se suele sacar el 15 a las observaciones (322*0.15)), p=distancia euclidiana
medidas #imprime medidas## ***********************************************************************
## * Package GWmodel *
## ***********************************************************************
##
## ***********************Calibration information*************************
##
## Local summary statistics calculated for variables:
## GenEl2004 LARent Unempl
## Number of summary points: 322
## Kernel function: bisquare
## Summary points: the same locations as observations are used.
## Adaptive bandwidth: 48 (number of nearest neighbours)
## Distance metric: Euclidean distance metric is used.
##
## ************************Local Summary Statistics:**********************
## Summary information for Local means:
## Min. 1st Qu. Median 3rd Qu. Max.
## GenEl2004_LM 51.5132 54.0718 55.1561 56.1063 57.5607
## LARent_LM 11.0421 14.4222 17.0290 20.2421 31.7201
## Unempl_LM 5.7340 6.9811 8.0931 8.9572 9.9021
## Summary information for local standard deviation :
## Min. 1st Qu. Median 3rd Qu. Max.
## GenEl2004_LSD 7.4372 8.6188 8.9408 9.4066 9.8911
## LARent_LSD 20.1806 24.3825 26.5003 29.6696 37.4172
## Unempl_LSD 4.1540 4.9932 5.4572 5.7331 6.3354
## Summary information for local variance :
## Min. 1st Qu. Median 3rd Qu. Max.
## GenEl2004_LVar 55.312 74.284 79.938 88.484 97.834
## LARent_LVar 407.255 594.505 702.265 880.283 1400.046
## Unempl_LVar 17.256 24.932 29.782 32.868 40.137
## Summary information for Local skewness:
## Min. 1st Qu. Median 3rd Qu. Max.
## GenEl2004_LSKe -0.80507 -0.68985 -0.57686 -0.45446 -0.0863
## LARent_LSKe 0.96624 1.80785 2.08370 2.42642 3.1065
## Unempl_LSKe 0.86075 1.19091 1.41118 1.64968 2.1461
## Summary information for localized coefficient of variation:
## Min. 1st Qu. Median 3rd Qu. Max.
## GenEl2004_LCV 0.12932 0.15426 0.16272 0.17508 0.1904
## LARent_LCV 1.17356 1.43387 1.58074 1.70126 1.8826
## Unempl_LCV 0.57279 0.64790 0.68731 0.70391 0.7601
## Summary information for localized Covariance and Correlation between these variables:
## Min. 1st Qu. Median 3rd Qu.
## Cov_GenEl2004.LARent -280.10224 -198.52680 -166.86324 -145.23307
## Cov_GenEl2004.Unempl -43.41703 -35.80206 -32.21179 -28.82365
## Cov_LARent.Unempl 59.11462 82.82905 94.62761 108.94614
## Corr_GenEl2004.LARent -0.76412 -0.70794 -0.69022 -0.67828
## Corr_GenEl2004.Unempl -0.71371 -0.69029 -0.66717 -0.63791
## Corr_LARent.Unempl 0.54758 0.62270 0.66601 0.68135
## Spearman_rho_GenEl2004.LARent -0.80902 -0.77184 -0.73452 -0.69298
## Spearman_rho_GenEl2004.Unempl -0.73661 -0.70675 -0.68729 -0.65235
## Spearman_rho_LARent.Unempl 0.72420 0.74965 0.77185 0.78776
## Max.
## Cov_GenEl2004.LARent -95.9297
## Cov_GenEl2004.Unempl -19.8503
## Cov_LARent.Unempl 134.7817
## Corr_GenEl2004.LARent -0.6346
## Corr_GenEl2004.Unempl -0.5598
## Corr_LARent.Unempl 0.7025
## Spearman_rho_GenEl2004.LARent -0.6079
## Spearman_rho_GenEl2004.Unempl -0.6195
## Spearman_rho_LARent.Unempl 0.8150
##
## ************************************************************************Se corre el paquete estadistico GWmodel.
Se implemento la funciĆ³n Kernel: Bisquare
Ancho de banda adaptativo (numero de vecinos cercanos).
La anterior informaciĆ³n nos muestran los estadisticos locales para Gen.Ā LARent, Unemp, Para la media local en cada una de las variables (min, mediana),
Muestra tambien la desviaciĆ²n estandar local, varianza, curtosis, coeficiente de variaciĆ²n, correlaciĆ²n entre covarianza y Spearman_rho
head(medidas$SDF) #muestra los primeros 6 para cada una de las regiones SDF salidas## GenEl2004_LM LARent_LM Unempl_LM GenEl2004_LSD LARent_LSD Unempl_LSD
## 0 52.80923 27.27637 9.741913 9.771682 34.42923 5.882038
## 1 52.21610 28.74097 9.899018 9.746091 34.95613 5.765589
## 2 51.57807 30.59767 9.896990 9.653673 35.90828 5.698686
## 3 52.27639 27.37876 9.827329 9.603126 33.74994 5.637839
## 4 52.27847 27.91766 9.902079 9.654582 34.20015 5.671821
## 5 54.02263 20.98214 9.347402 9.604863 29.32960 5.754368
## GenEl2004_LVar LARent_LVar Unempl_LVar GenEl2004_LSKe LARent_LSKe Unempl_LSKe
## 0 95.48577 1185.3719 34.59837 -0.2871023 1.254852 0.9504027
## 1 94.98628 1221.9312 33.24201 -0.2225545 1.171883 0.8846933
## 2 93.19340 1289.4048 32.47502 -0.1403796 1.053017 0.8607516
## 3 92.22002 1139.0587 31.78522 -0.2458225 1.276107 0.8725445
## 4 93.21096 1169.6501 32.16955 -0.2438526 1.237786 0.8657248
## 5 92.25339 860.2256 33.11275 -0.5061057 1.772793 1.0485229
## GenEl2004_LCV LARent_LCV Unempl_LCV Cov_GenEl2004.LARent Cov_GenEl2004.Unempl
## 0 0.1850374 1.262237 0.6037868 -254.3037 -33.62464
## 1 0.1866492 1.216247 0.5824405 -255.6519 -31.99567
## 2 0.1871662 1.173563 0.5757999 -259.2429 -31.15200
## 3 0.1836991 1.232705 0.5736898 -237.8118 -31.07203
## 4 0.1846761 1.225036 0.5727909 -244.9732 -31.08011
## 5 0.1777933 1.397837 0.6156115 -200.4003 -35.02248
## Cov_LARent.Unempl Corr_GenEl2004.LARent Corr_GenEl2004.Unempl
## 0 117.17666 -0.7506025 -0.5809175
## 1 114.28371 -0.7449073 -0.5652286
## 2 117.12399 -0.7422217 -0.5619952
## 3 108.41980 -0.7287129 -0.5699715
## 4 109.40334 -0.7366068 -0.5635147
## 5 98.43347 -0.7074151 -0.6301317
## Corr_LARent.Unempl Spearman_rho_GenEl2004.LARent
## 0 0.5745660 -0.7942828
## 1 0.5628911 -0.7974317
## 2 0.5680551 -0.8023372
## 3 0.5658895 -0.7883980
## 4 0.5599622 -0.7909291
## 5 0.5799789 -0.7502073
## Spearman_rho_GenEl2004.Unempl Spearman_rho_LARent.Unempl
## 0 -0.6450013 0.7544633
## 1 -0.6347902 0.7558371
## 2 -0.6379687 0.7650208
## 3 -0.6348366 0.7623013
## 4 -0.6289499 0.7570398
## 5 -0.6593948 0.7519639dim(medidas$SDF) #dimensiones de la salida de medidas## [1] 322 24class(medidas$SDF@data) #clase de objeto data.frame @data## [1] "data.frame"m=medidas
m= medidas$SDF@dataAhora se carga la libreria writexl para guargar el archivo de los datos y resultados generados en excel
getwd() #directorio de trabajo ## [1] "C:/Users/asus/Documents/doctorado/DOCTORADO/Clase 3 - Docente Fabio/ejercicios/ACTIVIDADES"library(writexl)De lo anterior, el siguiente cĆ³digo crea un excel para guardar los resultados
# write_xlsx(medidas$SDF@data, "prueba.xlsx") #crea un excel y guarda los resultadosTambiƩn podemos guardar los datos:
save(m, file="karol.RData") #guarda los datos en Rdata
#se guarda como un Rdata que permite guardar varios objetosLeer informaciĆ³n que tenga en un Rdata
load("Karol.RData") #leer el archivo .RdataCrea paletas de colores de aspecto agradable, especialmente para mapas temƔticos
library("RColorBrewer") #carga la libreria paleta de coloresA continuaciĆ³n se presenta las medidas de variabilidad de GW para GenEl2004
Los comandos para realizar estas visualizaciones son los siguientes:
La siguiente linea me crea un mapa con la escala
map.na = list("SpatialPolygonsRescale", layout.north.arrow(), offset = c(329000, 261500), scale = 4000, col = 1) #crea un mapar con la figura del norte
map.scale.1 = list("SpatialPolygonsRescale", layout.scale.bar(), offset = c(326500, 217000), scale = 5000, col = 1, fill = c("transparent", "blue"))
map.scale.2 = list("sp.text", c(326500, 217900), "0", cex = 0.9, col = 1)
map.scale.3 = list("sp.text", c(331500, 217900), "5km", cex = 0.9, col = 1)map.layout = list(map.na, map.scale.1, map.scale.2, map.scale.3) #Crea un diseƱo de mapa, que incluye tĆtulo, leyenda, escala y flecha norte para imprimir.mypalette.1 = brewer.pal(8, "Reds")
mypalette.2 = brewer.pal(6, "Greens")Por ultimo graficamos las diferentes medidas usando la funciĆ³n spplot:
spplot(medidas$SDF, "LARent_LM", key.space = "right", col.regions = mypalette.1, cuts = 7, main = "Media GP para LARent", sp.layout = map.layout)
Visualiza la LM=media local:
** Media geogrƔficamente ponderada:
spplot(medidas$SDF, "Unempl_LM", key.space = "right", col.regions = mypalette.1, cuts = 7, main = "Media GP para Unempl", sp.layout = map.layout)
Grafica teniendo en cuenta la paleta 1 la Media GP para la variable GenE12004
spplot(medidas$SDF, "GenEl2004_LM", key.space = "right", col.regions = mypalette.1, cuts = 7, main = "Media GP para GenEl2004", sp.layout = map.layout)
** DesviaciĆ³n estĆ”ndar geogrĆ”ficamente ponderada:
desviacion indica variabilidad en la variable (zona centro desviacion alta, para la vecindad la proporcion de votantes es diferente)
spplot(medidas$SDF, "GenEl2004_LSD", key.space = "right", col.regions = mypalette.1, cuts = 7, main = "DesviaciĆ³n GP para GenEl2004", sp.layout = map.layout)
Para valores diferentes en una zona de estudio (entre unidades espaciales vecinas), la medida de dispersion los valores seran altos
a continuacion se calculan el coeficiente de correlacion de person entre las dos variables, la relacion es inversa al aumentar el % de votantes disminuy el porcentaje que paga renta
spplot(medidas$SDF, "Corr_GenEl2004.LARent", key.space = "right", col.regions = mypalette.1, cuts = 7, main ="CorrelaciĆ³n entre GenEl2004 y laRent", sp.layout = map.layout)