Przestrzenna analiza danych 1600-SZD-WM-SDA
Zajęcia poświęcone są zastosowaniu metod statystycznej i ekonometrycznej analizy danych o charakterze przestrzennym (danych regionalnych, punktowych, grid). Celem kursu jest poznanie sposobów ilościowych uwzględniania lokalizacji, ko-lokalizacji i odległości w modelowaniu zjawisk dyfuzji, aglomeracji i gęstości lokalizacji, specjalizacji, renty geograficznej, lokalizacji absolutnej i względnej, interakcji przestrzennych, autokorelacji przestrzennej, przestrzennego sortowania i heterogeniczności. Przedstawione zostaną najnowsze metody analiz przestrzennych, z silnym akcentem na podejście stosowane. Wszystkie problemy modelowania zostaną przedstawione i rozwiązane w programie R. Przykłady problemów dotyczyć będą zjawisk społeczno-gospodarczych, jak polityka gospodarcza, procesy społeczne w przestrzeni geograficznej, lokalizacja firm.
Stosowane metody dydaktyczne:
- wykłady dotyczące omawianych zagadnień
- rozwiązywanie problemów badawczych – planowanie szczegółów analizy ilościowej
- programowanie w R (wczytywanie danych, pisanie kodów na potrzeby badania)
- interpretacja wyników i ich konfrontacja z literaturą tematu (z perspektywy ilościowej i tematycznej)
Tematy:
- statystyka przestrzenna dla danych regionalnych (obszarowych), badanie rozkładów przestrzennych (Moran I, Getis-Ord, LOSH, LISA, join-count, DBSCAN), statystyki dla danych w grid
- modelowanie ekonometryczne zależności przestrzennych (z użyciem macierzy wag przestrzennych) – modele jednookresowe, dynamiczne i panelowe - wybór modelu i zmiennych, estymacja, testowanie, prognozowanie, braki w danych, badanie interakcji przestrzennych, modele na danych obszarowych i punktowych (w tym GNS, SDM, SDEM, SAC, SEM, SAR, SLX, GWR)
- wyzwania big data i uczenia maszynowego w odniesieniu do danych przestrzennych- klastrowanie danych punktowych, przestrzenne PCA, bootstrapowana regresja (w tym problemy próbkowania i replikacji, interpretacja wyników)
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
- doktorant zna i rozumie sposoby stosowania ilościowych metod przestrzennych
- doktorant zna i rozumie podstawowe zasady transferu wiedzy do sfery gospodarczej i społecznej oraz komercjalizacji wyników działalności naukowej i know-how związanego z tymi wynikami.
- doktorant potrafi zaplanować i przeprowadzić badanie w celu znalezienia odpowiedzi na podstawione pytania badawcze o charakterze przestrzennym
- doktorant rozumie problematykę zjawisk o charakterze przestrzennym, w tym lokalizacji, ko-lokalizacji i odległości w modelowaniu zjawisk dyfuzji, aglomeracji i gęstości lokalizacji, specjalizacji, renty geograficznej, lokalizacji absolutnej i względnej, interakcji przestrzennych, autokorelacji przestrzennej, przestrzennego sortowania i heterogeniczności.
- doktorant potrafi wykorzystywać wiedzę z różnych dziedzin nauki lub dziedziny sztuki do twórczego identyfikowania, formułowania i innowacyjnego rozwiązywania złożonych problemów lub wykonywania zadań o charakterze badawczym
- doktorant potrafi definiować cel i przedmiot badań naukowych, formułować hipotezę badawczą
- doktorant rozwijać metody, techniki i narzędzia badawcze, twórczo je stosować oraz wnioskować na podstawie wyników badań naukowych.
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Wiedza:
Zna i rozumie:
- podstawowe zasady transferu wiedzy do sfery gospodarczej i społecznej oraz komercjalizacji wyników działalności naukowej i know-how związanego z tymi wynikami.
Umiejętności:
Potrafi:
- wykorzystywać wiedzę z różnych dziedzin nauki lub dziedziny sztuki do twórczego identyfikowania, formułowania i innowacyjnego rozwiązywania złożonych problemów lub wykonywania zadań o charakterze badawczym, a w szczególności:
- definiować cel i przedmiot badań naukowych, formułować hipotezę badawczą
- rozwijać metody, techniki i narzędzia badawcze oraz twórczo je stosować
- wnioskować na podstawie wyników badań naukowych.
Kryteria oceniania
Wystawiane są oceny cząstkowe za recenzję i pracę zaliczeniową. Ocena końcowa jest średnią ocen cząstkowych (wagi po 50%).
- opis wymagań związanych z uczestnictwem w zajęciach, w tym dopuszczalnej liczby nieobecności podlegających usprawiedliwieniu
Obecność na zajęciach obowiązkowa. Za każdą nieobecność należy napisać samodzielnie pracę o długości ok. 2 str. A4 (tekst znormalizowany) o tematach poruszanych na zajęciach (tematy i pytania przestawione przez prowadzącego). Liczba nieobecności nie może przekroczyć 50% zajęć.
- zasady zaliczania zajęć i przedmiotu (w tym zaliczania poprawkowego)
Zaliczenie w każdym terminie obejmuje dwie składowe:
a) Pisemna recenzja przydzielonego przez prowadzącego artykułu
b) Praca zaliczeniowa na temat ustalony z prowadzącym (własne badanie, replikacja/rozszerzenie istniejących badań, zastosowanie istniejących rozwiązań do nowych zagadnień)
Składowa zaliczenia przedstawiona w sesji podstawowej może być uznana w sesji poprawkowej.
- metody weryfikacji efektów uczenia się
Realizacja elementów zaliczenia – recenzji i własnego badania, pozwala zbadać stopień przyswojenia zakładanych efektów uczenia się
Literatura
Kopczewska K. (red). (2020), Przestrzenne metody ilościowe w R: statystyka, ekonometria, uczenie maszynowe, analiza danych, CeDeWu
Kopczewska K (eds.) (2020), Applied Spatial Statistics and Econometrics: Data Analysis in R, Routledge
Artykuły naukowe (głównie w języku angielskim) dobrane wg zainteresowań doktorantów
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: