Prostorová analýza – Seminář 2 popisné statistiky, korelace 25. 4. 2018 Popis volební podpory •Kde? •Jak? Kde se nachází území s vysokou a nízkou podporou kandidátů? •Mapa volební podpory •Kvantily –V případě KV nebo PS je vhodné aby jedna z hranic intervalů byla 5% •Není nutné vyjmenovávat jednotlivé obce, ale spíše hledat zobecnění –Region nebo typ sídla •Kandidát získal vysokou podporu zejména v jižní části obvodu v obci Rakovník a okolí •Kandidát získal vysokou podporu především ve větších obcích Jakou podporu mají relevantní strany a hnutí ve vybraném kraji? •Vysoká/nízká, koncentrovaná/nekoncentrovaná, rovnoměrná/nerovnoměrná, stabilní/nestabilní • •Tabulky s výsledky –Výsledky je možné prezentovat obce, POU nebo ORP •Popisné statistiky –Průměr, medián, směrodatná odchylka –Vážení dat !!! •Nástroje k identifikaci prostorové autokorelace –Bohužel v qgisu příliš komplikované – Vážení dat Výpočet váhy •Možnost vážit populací obce (buďto počet obyvatel, nebo v našem případě lépe počet voličů) –Zkresluje hodnoty standardní chyby •Vhodný způsob: podíl obce na voličích-obyvatelstvu obvodu – suma sloupce voličů-obyvatelstva – vydělení počtu voličů-obyvatel obce sumou za celý obvod –Součet je 1 –Vynásobení počtem obcí v obvodu (např. 50 obcí) – v excelu: vaha = a2/$a$51*50 – v spss: compute vaha = volici08/sum(volici)*50 –Počet případů ve vážené analýze odpovídá reálnému počtu obcí – – Použití váhy •Data – weight cases (úplně dole) •Weight cases by – do pole Frequency variable vložte proměnnou vaha - Ok Důsledky použit vah •Spočítané charakteristiky jsou blíže realitě •Situace ve městě s 10 000 obyvateli má pro výsledky stejný dopad jako situace v 10 obcích s 1000 obyvateli nebo ve 100 obcích se 100 obyvateli •Bez vah analýzy odráží spíše situaci malých obcích, kterých je sice mnoho, ale vzhledem k počtu voličů nemusí být pro podporu strany důležité zpět k otázce: Jakou podporu mají kandidáti v obvodu? Proč? •Účelem deskriptivní statistiky je zjistit vlastnosti proměnné –(Porozumět používaným datům) •Vlastnosti proměnné mají důsledek pro další analýzy •A pro interpretaci výsledků analýz • •Zisk zjednodušené informace o volební podpoře kandidáta • • • • Známe z loňska •Průměr – co říká? –Jaké jsou limity toho, co říká? –Čím můžeme informaci doplnit? –Co můžeme požít jiného? • Známe z loňska •Průměr - Hledáme hodnotu, která nejlépe reprezentuje proměnnou –Samotná střední hodnota poskytuje značně redukovanou (a zkreslenou, pokud jsou v datech odlehlé případy) představu o vlastnostech proměnné –Vhodné srovnat s mediánem •Míra variability doplňuje informaci, jak dobře střední hodnota reprezentuje všechny případy –Ukazuje, jak moc se mezi sebou liší hodnoty proměnné • Jak je volební podpora ne/koncentrovaná? •Variační koeficient •Giniho koeficient • •Moranovo I •Lisa • https://mgimond.github.io/Spatial/img/Random_maps.png Variační koeficient •=směrodatná odchylka/průměr •V prostorové analýze využíván jako míra koncentrace •Neznamená ale míru územní koncentrace!!! •Nebere v potaz rozložení hodnot v prostoru •0 – velmi malé rozdíly v hodnotách proměnné •Nemá pevnou horní hranici –Není vhodné interpretovat v procentech –Vhodný referenční bod pro interpretaci jsou hodnoty var. Koef. ostatních kandidátů Giniho koeficient •Rozdíl skutečného a ideálně rovnoměrného rozložení •Stále nebere v potaz uzemní koncentraci –Ale lépe zohledňuje velikost obcí •Není obsažen v spss ani excelu –Postup v manuálu v materiálech • Prostorová autokorelace •Spurná 2008: 777 • Popis vývoje volební podpory Jak se liší volební podpora mezi poslaneckými a krajskými volbami? •Rozdíly v popisných statistikách •korelace • •Mapa „volební úspěšnosti“ - hotovo • Popis vývoje volební podpory •Bazické a řetězové indexy •Korelační koeficient •Území stabilní volební podpory Území volební podpory •Přehlednost, zohlednění populační velikosti •Nevhodné pro lokální strany (např. SMK na Slovensku) • •Doplňující indikátory –Míra úspěšnosti: kolikrát je podpora strany vyšší v (jádru) území volební podpory oproti zbytku území Území stabilní volební podpory •Strany s koncentrovanou stabilní podporou X strany s nekoncentrovanou stabilní podporou •Výpočet procenta hlasů přítomných v ÚSVP v každých volbách Bazické a řetězové indexy •Řetězový index –Volby 2017/volby 2013; volby2013/volby2010 … –Ukazuje postupný vývoj •Bazický index –Volby 2017/volby2006, volby2013/volby2006 … –Ukazuje změnu stav oproti stanovenému základu – –Index volební úspěšnosti •=senát 2016/poslanecké volby 2013 * 100 –Index volební stability •senát 2016/ senát 2010* 100 • • • Korelační analýza •Co se dozvíme z výsledku korelační analýzy? •Proč může korelační analýza posloužit k analýze vývoje volební podpory? •Jaký typ souvislosti sleduje? •Co z korelační analýzy zjistíme o příčinách změny volební podpory? Korelační analýza •Pokud se korelační koeficient blíží 1 pak se rozložení podpory nezměnilo –Stále mohlo ale dojít k poklesu nebo nárůstu podpory •Je míra souvislosti stejná s výsledky v různých typech voleb? –Pokud se výsledky kandidáta a strana velmi liší, možná je jeho podpora dána jinými faktory (např. sousedský efekt) Úkol č. 3 •Popis volební podpory –Tabulka obsahující reálný zisk kandidátů v obvodu (v %), průměrný zisk v obcích (v %), průměrný vážený zisk v obcích (v %), medián volební podpory, směrodatnou odchylku, variační koeficient a giniho koeficient (pro 5 nejsilnějších kandidátů) –Interpretace tabulky (to neznamená jen přepis dat z tabulky do textu) •Vývoj volební podpory –Korelace mezi volebním ziskem kandidáta a ziskem strany v KV a PS a ziskem kandidáta v předchozích senátních volbách –Pro 5 nejsilnějších kandidátů –Interpretace – –V interpretacích se pokuste zohlednit to, co víte z map – Senat 1 Senat 2 PS 10 PS 13 KV 12 KV 16 Senat 1 1 Senat 2 1 PS 10 1 PS 13 1 KV 12 1 KV 16 1 Sem vložte výsledky při využití vah Sem vložte výsledky bez využití vah