Menampilkan data demografis secara efektif pada peta yang dicetak

Saya ingin memplot data per zona (total zona) berikut pada peta yang dapat dicetak / tidak interaktif:

• Umur rata-rata
• Pendapatan rumah tangga rata-rata
• Jumlah rumah tangga
• Kepadatan penduduk
• Jumlah orang
• Jumlah pekerja

Bagaimana Anda menampilkan 6 lapisan di atas secara efektif pada satu peta?

Saya akan mengatakan Anda tidak dapat memasukkan semua data pada satu peta dan membuatnya masuk akal. Saya akan merekomendasikan Anda berpikir di sepanjang garis prinsip Tufte tentang kelipatan kecil, memiliki beberapa peta lebih kecil dari area yang sama, masing-masing menggunakan variabel yang berbeda. Contoh: http://www.juiceanalytics.com/writing/better-know-visualization-small-multiples/

Meski begitu, Anda memiliki masalah bahwa Anda menggunakan banyak unit yang berbeda, jadi Anda memerlukan banyak kunci. Cara lain untuk melihat data (tetapi tidak di peta) adalah menggunakan tabel dengan semua nilai, berwarna (yaitu - warna berbeda untuk di bawah rata-rata, rata-rata, di atas rata-rata)

Saya sarankan Anda melihat sensus atlas untuk gagasan peta lainnya: http://www.census.gov/population/www/cen2000/censusatlas/

Mungkin dapat membantu untuk lebih merefleksikan pesan apa yang Anda coba komunikasikan, tepatnya (bukan hanya data apa yang Anda miliki).

Tidak mungkin untuk menunjukkan secara efisien begitu banyak data pada satu peta. Dua kemungkinan:

• Menghasilkan 6 peta,

• Analisis data Anda untuk mengklasifikasikan wilayah Anda, dan menampilkan hasil klasifikasi. Sebuah analisis komponen utama dapat membantu untuk menentukan korelasi yang paling penting dalam variabel Anda. Metode ini telah digunakan untuk menghasilkan peta sintetis ini:

dari yang ini:

Saya setuju bahwa kelipatan kecil mungkin merupakan cara yang baik untuk mendekati masalah ini. Untuk melengkapi peta saya juga menyarankan matriks sebar variabel Anda, yang akan mengidentifikasi korelasi bivariat. Meskipun Anda kehilangan aspek geografis dari data Anda, jauh lebih mudah untuk memvisualisasikan hubungan antara variabel dalam sebar daripada membandingkan dua peta (bahkan berdampingan).

Jika Anda masih menginginkan semacam tren spasial ditangkap, Anda bisa memasukkan statistik spasial (seperti Moran's I) antara distribusi dan / atau variabel asli.

Sunting: Saya baru-baru ini menemukan beberapa pekerjaan meninjau kembali statistik Moral yang diterbitkan oleh Andre-Michel Guerry (awalnya pada tahun 1883) yang memiliki tujuan memvisualisasikan hubungan multi-variasi di ruang angkasa. Implementasi dari para penulis tersebut sangat mirip dengan apa yang telah disarankan dalam utas ini, kelipatan kecil, analisis komponen utama, matriks sebar plot, dan dalam diagram poligon. Terlampir adalah beberapa gambar dari A.-M. Statistik Moral Guerry di Prancis: Tantangan untuk Analisis Spasial Multivariabel oleh: Michael Friendly Statistics Science, Vol. 22, No. 3. (Agustus 2007), hlm. 368-399 ( PDF gratis). Juga artikel lain ( Dray dan Jombart, 2010 ) menganalisis data yang sama dan memiliki beberapa kode sumber dalam R untuk membuat plot tersebut.

Satu gambar adalah matriks sebar, yang lain adalah apa yang disebut diagram bintang (yang hanya cara yang berbeda untuk mewakili bagan batang seperti yang disarankan Pablo).

Ini adalah contoh luar biasa dari kelipatan kecil yang diposting di Andrew Gelman (dan blog perusahaan) Pemodelan Statistik, Inferensial Kausal, dan Ilmu Sosial . Peta ini adalah dukungan pemilih untuk voucher sekolah oleh negara, tergantung pada pendapatan dan berbagai ras dan kategori agama. Orang kulit putih non-Injili benar-benar tidak suka voucher sekolah! (Jika Anda mengunjungi blog yang sebenarnya meskipun muncul dalam data survei 2004, mereka lebih mendukung voucher sekolah di antara kelompok itu).

Untuk memilih antara solusi yang disajikan di sini, Anda dapat memberikan dua informasi utama:

• apa tujuan dari peta? (Temukan, Paparkan?)
• apa yang dimaksud dengan publik peta? (Anda, sesama analis, perencana kota, publik?)

Solusi yang dikutip di sini mungkin memiliki efisiensi yang berbeda sesuai dengan tujuan dan publik.

Saya ingin menggeneralisasi jawaban Julien (satu peta sintetis dengan cara PCA) dengan mengutip teknik diagonalisasi matriks, yang dijelaskan oleh J. Bertin. Ini berguna ketika seseorang mencari sintesis semua informasi, daripada presentasi data lengkap.

Secara singkat, itu terdiri dalam mewakili setiap variabel dengan histogram, mengurutkan tumpukan histogram sedemikian rupa sehingga nilai-nilai (zona peta) disejajarkan dengan cara diagonal, untuk mendapatkan tipologi:

(Sumber: http://books.google.com/books?id=2tlQAAAAMAAJ&dq=bertin%20graphique%20information&hl=fr&source=gbs_similarbooks )

Itu banyak informasi dan fakta bahwa satu peta yang menggabungkan semuanya dengan cara tematis akan menghasilkan presentasi yang tidak berguna karena polusi visual. Di sisi lain ada 30 zona, jadi, banyak peta untuk setiap zona akan menghasilkan polusi juga.

Solusi saya: Pilih yang mana yang merupakan informasi paling penting, katakanlah 'pendapatan rumah tangga', lalu zonakan peta dalam beberapa kategori pendapatan. Dan akhirnya untuk setiap tempat penghasilan, plot bar obrolan dengan 5 atribut lainnya.

Dengan peta itu dapat membuat beberapa perbandingan seperti, misalnya: "Daerah berpenghasilan tinggi selalu menunjukkan jumlah pekerja yang besar dan usia rata-rata lebih dari 21 tahun".

Lihat contohnya ...

Mungkin beberapa dari ide ini dapat membantu?

Dengan asumsi Anda memiliki enam dimensi:

1: Choropleth : Contoh pendapatan rumah tangga 0

2, 3, dan 4: Simbol : Mewakili jumlah orang sebagai titik, yang memungkinkan Anda melihat latar belakang: contoh 1, contoh 2 menggunakan skala abu-abu untuk pekerja / non-pekerja dan skema warna yang berbeda untuk menunjukkan usia

5: 3D : Menggunakan kepadatan populasi sebagai contoh medan 3

6: (Aku tidak bisa memikirkan cara ke-6!)

Apakah berlebihan untuk menunjukkan 'Jumlah rumah tangga', 'Kepadatan populasi' dan 'Jumlah orang'?

Saya akan skeptis jika peta dengan kompleksitas ini akan jelas bagi siapa pun selain Anda. Jika saya mempresentasikannya, saya akan menunjukkan masing-masing elemen secara terpisah terlebih dahulu, dan kemudian menambahkannya sehingga audiens dapat memahami langkah-langkahnya.

Salah satu cara alternatif (jika Anda tidak memiliki ruang untuk grafik radar untuk setiap zona, bisa dengan membuat 'mesin terbang' yang mewakili contoh informasi ini 4, gambar 10.28 . Saya pikir ini biasanya sulit dipahami, dan tidak mudah untuk mendesain jelas, tetapi contoh terkait dapat digunakan dalam kasus ini.

Pikiran lain yang saya miliki, adalah untuk mengekstraksi poligon dengan ketinggian yang sama untuk setiap poligon, dan kemudian menggunakan bagian ketinggian untuk mewakili parameter ini. Mirip dengan membuat bagan batang untuk setiap area, tetapi di mana setiap bagian dilapisi di atas pada interval yang sama. Ini perlu dilihat dari 3D yang berarti sebagian akan dikaburkan.

Ini adalah tugas yang menantang. Jawaban saya adalah dengan peta multivarian. Lihat peta ini . Peta akan terlihat sibuk jika Anda menunjukkan semua variabel pada satu peta. Pastikan Anda memilih skema warna yang sesuai jika Anda memilih untuk pergi dengan peta multivarian.

Satu derajat penyederhanaan adalah mengekspresikan satu item, seperti kepadatan populasi, melalui kartogram, yaitu mendistorsi area setiap unit sehingga proporsional dengan populasi:

_{(sumber: amherst.edu )}

Kelemahan utama adalah bahwa pemirsa harus dapat mengenali distorsi zona dari bentuk "biasa" mereka.

Info lebih lanjut di sini: http://gis.amherstma.gov/data/SpringNearc2009/Session4Cartograms.pdf