Skip to main content

A framework for statistical inferential decisions in spatial pattern analysis

Buy Article:

$51.00 plus tax (Refund Policy)

Abstract:

The desire of many geographical information science (GIS) practitioners to undertake sophisticated spatial pattern analysis has been facilitated by the increasing availability of specialised software and the appearance of pedagogic papers illustrating the application of various techniques. However, the appropriate use of these techniques also requires an understanding of the nature of hypothesis testing and statistical inference for spatial data. Since there is little information currently available to aid the GIS practitioner in this regard, we offer such guidance here. We do so by revisiting the steps involved in spatial pattern analysis. Our perspective is based on the notion of spatial stochastic models and is presented as a decision tree. The four levels of the tree (i.e., sequential decisions) are associated with the assumptions, the type of data representation and the types of questions asked by the analyst. We emphasise the scientific and educational challenges involved.

French
Le désir de nombreux practiciens, utilisant des systèmes d'information géographique (SIG), d'effectuer des analyses spatiales sophistiquées a été facilité par la disponibilité grandissante de logiciels spécialisés et d'articles pédagogiques illustrant l'application de ces diverses techniques. Cependant, l'usage approprié de ces techniques exige aussi une compréhension des notions de test d'hypothèse et d'inférence statistique se rapportant aux données spatiales. Étant donné que jusqu'à récemmentil n'y avait que très peu de ressources disponibles à cet égard, nous offrons de tels conseils ici. Nous accomplissons cet objectif en revisitant les étapes impliquées dans l'analyse de structures spatiales. Notre perspective est basée sur la notion de modèles stochastiques spatiaux et est présentée comme un arbre decisionnel. Le quatre niveaux de l'arbre (c.-à-d., les décisions séquentielles) sont associés aux prémisses, au type de représentation de données et aux types de question posées. Nous soulignons les défis et les implications scientifiques ainsi que pédagogiques quant à l'emploi de ces techniques.

Document Type: Research Article

DOI: https://doi.org/10.1111/j.0008-3658.2005.00087.x

Affiliations: 1: Department of Geography, University of Toronto, Mississauga, Ontario, Canada L5L 1C6 ( ), Email: fcs@geog.utoronto.ca 2: Department of Geography and Environmental Studies, Wilfrid Laurier University, Waterloo, Ontario, Canada N2L 3C5 ( ), Email: bboots@wlu.ca

Publication date: 2005-06-01

  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more