แสดงข้อมูลประชากรอย่างมีประสิทธิภาพบนแผนที่ที่พิมพ์

ฉันต้องการลงจุดข้อมูลต่อไปนี้ (รวม 30 โซน) บนแผนที่ที่สามารถพิมพ์ได้ / ไม่ใช่แผนที่แบบโต้ตอบ:

• อายุเฉลี่ย
• รายได้ของครัวเรือนโดยเฉลี่ย
• จำนวนครัวเรือน
• ความหนาแน่นของประชากร
• จำนวนคน
• จำนวนคนงาน

คุณจะแสดง 6 เลเยอร์ด้านบนอย่างมีประสิทธิภาพบนแผนที่เดียวได้อย่างไร

ฉันจะบอกว่าคุณไม่สามารถรวมข้อมูลทั้งหมดนั้นไว้ในแผนที่เดียวและทำให้มันสมเหตุสมผล ฉันขอแนะนำให้คุณคิดตามแนวของหลักการของทวีคูณขนาดเล็กที่มีแผนที่เล็ก ๆ หลายแห่งในพื้นที่เดียวกันโดยใช้ตัวแปรที่แตกต่างกัน ตัวอย่าง: http://www.juiceanalytics.com/writing/better-know-visualization-small-multiples/

ถึงแม้คุณจะมีปัญหาที่คุณใช้หน่วยต่าง ๆ มากมายดังนั้นคุณต้องใช้กุญแจจำนวนมาก อีกวิธีในการดูข้อมูล (แต่ไม่ใช่ในแผนที่) คือการใช้ตารางที่มีค่าทั้งหมดสี (เช่น - สีที่ต่างกันสำหรับค่าเฉลี่ยต่ำกว่าค่าเฉลี่ยสูงกว่าค่าเฉลี่ย)

จะแนะนำให้คุณดูแผนที่สำมะโนประชากรสำหรับแนวคิดแผนที่เพิ่มเติม: http://www.census.gov/population/www/cen2000/censusatlas/

อาจช่วยสะท้อนเพิ่มเติมเกี่ยวกับข้อความที่คุณพยายามสื่อสารได้อย่างแน่นอน (ไม่ใช่เฉพาะข้อมูลที่คุณมี)

ไม่สามารถแสดงข้อมูลจำนวนมากได้อย่างมีประสิทธิภาพบนแผนที่เดียว ความเป็นไปได้สองอย่าง:

• ผลิต 6 แผนที่

• วิเคราะห์ข้อมูลของคุณเพื่อจำแนกภูมิภาคของคุณและแสดงผลลัพธ์ของการจำแนกประเภท การวิเคราะห์องค์ประกอบหลักสามารถช่วยในการกำหนดความสัมพันธ์ที่สำคัญที่สุดภายในตัวแปรของคุณ วิธีนี้ถูกใช้เพื่อสร้างแผนที่สังเคราะห์นี้:

จากคนเหล่านี้:

ฉันยอมรับว่าทวีคูณเล็ก ๆ น่าจะเป็นวิธีที่ดีในการแก้ไขปัญหานี้ เพื่อเสริมแผนที่ฉันขอแนะนำเมทริกซ์กระจายของตัวแปรของคุณซึ่งจะระบุความสัมพันธ์แบบ bivariate ในขณะที่ข้อมูลทางภูมิศาสตร์ของข้อมูลของคุณสูญเสียไปมันเป็นเรื่องง่ายกว่ามากที่จะเห็นภาพความสัมพันธ์ระหว่างตัวแปรในรูปแบบกระจายมากกว่าที่จะเปรียบเทียบสองแผนที่ (แม้เคียงข้างกัน)

หากคุณยังต้องการให้มีแนวโน้มเกี่ยวกับอวกาศคุณสามารถรวมสถิติเชิงพื้นที่ (เช่น Moran I ท้องถิ่น) ระหว่างการแจกแจงและ / หรือตัวแปรดั้งเดิม

แก้ไข: เมื่อเร็ว ๆ นี้ฉันได้เจองานบางอย่างที่ได้รับการตีพิมพ์ซ้ำอีกครั้งเกี่ยวกับสถิติทางจริยธรรมที่เผยแพร่โดย Andre-Michel Guerry (แต่เดิมในปี 1883) ที่มีเป้าหมายในการแสดงภาพความสัมพันธ์หลายตัวแปรในอวกาศ การใช้งานของผู้เขียนเหล่านั้นคล้ายกันมากกับสิ่งที่ได้รับการแนะนำในหัวข้อนี้ทวีคูณขนาดเล็กการวิเคราะห์องค์ประกอบหลักเมทริกซ์พล็อตการกระจายและภายในไดอะแกรมรูปหลายเหลี่ยม แนบมาเป็นรูปภาพจาก A.-M. สถิติเชิงจริยธรรมของ Guerry ของฝรั่งเศส: ความท้าทายสำหรับการวิเคราะห์เชิงพื้นที่หลายตัวแปร โดย: Michael Friendly Science Science, Vol. 22, ลำดับที่ 3 (สิงหาคม 2550), หน้า 368-399 ( PDFฟรี) บทความอื่น ( Dray และ Jombart, 2010 ) วิเคราะห์ข้อมูลเดียวกันและมีซอร์สโค้ดบางตัวใน R เพื่อจัดทำแปลงดังกล่าว

ภาพหนึ่งเป็นเมทริกซ์กระจายภาพอีกภาพหนึ่งเรียกว่าแผนภาพดาว (ซึ่งเป็นวิธีที่แตกต่างในการนำเสนอแผนภูมิแท่งตามที่แนะนำ Pablo)

นี่คือตัวอย่างที่ยอดเยี่ยมของหลายขนาดเล็กโพสต์บน (และบล็อกของ บริษัท ) แอนดรู Gelman ของสถิติการสร้างแบบจำลองเชิงสาเหตุการอนุมานและสังคมศาสตร์ แผนที่สนับสนุนการใช้บัตรกำนัลโรงเรียนตามรัฐเงื่อนไขรายได้เชื้อชาติและศาสนาประเภทต่างๆ ผู้ที่ไม่ใช่ผู้เผยแพร่ศาสนาขาวจริง ๆ ไม่ชอบบัตรกำนัลโรงเรียน! (หากคุณไปที่บล็อกจริงแม้ว่าจะปรากฏในข้อมูลการสำรวจปี 2004 พวกเขาจะได้รับการสนับสนุนเพิ่มเติมสำหรับบัตรกำนัลโรงเรียนในกลุ่มนั้น)

ในการเลือกระหว่างโซลูชันที่นำเสนอที่นี่คุณสามารถให้ข้อมูลสำคัญสองประการ:

• แผนที่มีจุดประสงค์อะไร? (ค้นพบเปิดเผยหรือไม่)
• สาธารณะเจตนาของแผนที่คืออะไร? (คุณนักวิเคราะห์เพื่อนนักวางผังเมืองสาธารณะ)

โซลูชันที่อ้างถึงในที่นี้อาจมีประสิทธิภาพแตกต่างกันไปตามวัตถุประสงค์และสาธารณะ

ฉันต้องการจะสรุปคำตอบของ Julien (หนึ่งแผนที่สังเคราะห์โดยวิธี PCA) โดยอ้างถึงเทคนิคของการทแยงมุมเมทริกซ์โดย J. Bertin มันมีประโยชน์เมื่อเราค้นหาข้อมูลทั้งหมดแทนที่จะเป็นการนำเสนอข้อมูลที่สมบูรณ์

โดยย่อมันประกอบด้วยตัวแทนแต่ละตัวแปรด้วยฮิสโตแกรมจัดเรียงฮิสโตแกรมสแต็คในลักษณะที่ค่า (โซนแผนที่) จัดเรียงในแนวทแยงมุมเพื่อให้ได้ลักษณะดังนี้

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

นั่นเป็นข้อมูลจำนวนมากและเป็นความจริงที่ว่าแผนที่เดียวที่รวมเข้าด้วยกันในรูปแบบเฉพาะเรื่องจะส่งผลให้เกิดการนำเสนอที่ไร้ประโยชน์เพราะมลภาวะทางสายตา ในทางกลับกันมี 30 โซนดังนั้นแผนที่จำนวนมากสำหรับแต่ละโซนจะส่งผลให้เกิดมลพิษเช่นกัน

คำตอบของฉัน: เลือกว่าอันไหนเป็นข้อมูลที่สำคัญที่สุดสมมติว่า 'รายได้ของครัวเรือน' จากนั้นจัดแบ่งแผนที่เป็นหมวดหมู่ของรายได้ และในที่สุดสำหรับจุดรายได้แต่ละแห่งให้พล็อตบาร์แชทกับแอตทริบิวต์อีก 5 รายการ

ด้วยแผนที่นั้นสามารถทำการเปรียบเทียบบางอย่างเช่น: "พื้นที่ที่มีรายได้สูงมักแสดงให้เห็นคนงานจำนวนมากและอายุเฉลี่ยมากกว่า 21 ปี"

ดูตัวอย่าง ...

บางทีแนวคิดเหล่านี้อาจช่วยได้บ้าง

สมมติว่าคุณมีหกมิติ:

1: นักแสดง : รายได้ของครัวเรือนตัวอย่าง 0

2, 3 และ 4: สัญลักษณ์ : แสดงจำนวนคนเป็นจุดซึ่งสามารถให้คุณเห็นพื้นหลัง: ตัวอย่างที่ 1, ตัวอย่างที่ 2โดยใช้โทนสีเทาสำหรับคนงาน / ไม่ใช่คนงานและแบบแผนชุดสีที่แตกต่างกันเพื่อแสดงอายุ

5: 3D : การใช้ความหนาแน่นของประชากรเป็นตัวอย่างภูมิประเทศ3

6: (ฉันไม่สามารถคิดถึงวิธีที่ 6 ได้!)

มันซ้ำซ้อนหรือไม่ที่จะแสดง 'จำนวนครัวเรือน', 'ความหนาแน่นของประชากร' และ 'จำนวนคน'?

ฉันจะสงสัยถ้าแผนที่ที่มีความซับซ้อนนี้จะชัดเจนกับทุกคนนอกเหนือจากคุณ หากฉันกำลังนำเสนอฉันจะแสดงแต่ละองค์ประกอบแยกกันก่อนจากนั้นจึงเพิ่มเข้าไปเพื่อให้ผู้ชมเข้าใจขั้นตอน

อีกทางเลือกหนึ่ง (ถ้าคุณไม่มีที่ว่างสำหรับกราฟเรดาร์สำหรับแต่ละโซนอาจจะสร้าง 'สัญลักษณ์' แทนข้อมูลตัวอย่างนี้4 รูปที่ 10.28ฉันคิดว่าสิ่งเหล่านี้มักจะเข้าใจยากและไม่ใช่เรื่องง่ายในการออกแบบ ชัดเจน แต่ตัวอย่างที่เชื่อมโยงสามารถใช้ในกรณีนี้

อีกความคิดที่ฉันมีก็คือการขับไล่รูปหลายเหลี่ยมไปที่ความสูงเดียวกันสำหรับรูปหลายเหลี่ยมแต่ละรูปจากนั้นใช้ส่วนของความสูงเพื่อแสดงถึงพารามิเตอร์เหล่านี้ คล้ายกับการสร้างแผนภูมิแท่งสำหรับแต่ละพื้นที่ แต่ที่แต่ละส่วนจะอยู่ด้านบนสุดในช่วงเวลาเดียวกัน สิ่งนี้จะต้องดูจาก 3D ซึ่งจะหมายถึงบางส่วนจะถูกบดบัง

มันเป็นงานที่ท้าทาย คำตอบของฉันคือไปกับแผนที่หลายตัวแปร ลองดูแผนที่นี้สิ แผนที่จะดูไม่ว่างหากคุณแสดงตัวแปรทั้งหมดในแผนที่เดียว ตรวจสอบให้แน่ใจว่าคุณเลือกชุดรูปแบบสีที่เหมาะสมหากคุณเลือกที่จะไปกับแผนที่หลายตัวแปร

การทำให้เข้าใจง่ายระดับหนึ่งจะเป็นการแสดงรายการเดียวเช่นความหนาแน่นของประชากรผ่านรูปกราฟแท่งคือบิดเบือนพื้นที่ของแต่ละหน่วยเพื่อให้เป็นสัดส่วนกับจำนวนประชากร:

_{(ที่มา: amherst.edu )}

ข้อเสียเปรียบหลักคือผู้ชมจะต้องสามารถรับรู้การบิดเบือนของโซนจากรูปร่าง "ปกติ" ของพวกเขา

ข้อมูลเพิ่มเติมที่นี่: http://gis.amherstma.gov/data/SpringNearc2009/Session4Cartograms.pdf