Aprender haciendo es mi forma preferida. Y cuando se trata de estadísticas espaciales, R se está convirtiendo en una herramienta muy poderosa. Entonces, si esta es una opción, navegue a través de algunos materiales del curso, descargue los datos y pruébelo usted mismo.
Pocos puntos de partida que cubren la autocorrelación espacial (SA) (y, en términos generales, manejan cosas espaciales en R):
-
El Centro de Estudios en Demografía y Ecología (CSDE) en la Universidad de Washington proporciona materiales del taller Spatial R .
-
Instituto de Ciencias Sociales Cuantitativas en la Universidad de Harvard tiene materiales del < fuerte> Taller de estadísticas espaciales aplicadas en R que cubre SA.
-
Departamento de Geografía de la Universidad de Colorado ofrece materiales en SA como parte de su curso Introducción a los métodos cuantitativos .
Una vez que se haya familiarizado con R, puede combinarlo con PostgreSQL utilizando PL / R - R Lenguaje de procedimiento para PostgreSQL , pero no puedo hacer comentarios al respecto ya que no estoy bien informado sobre el tema.
Python podría ser otra alternativa. PySAL es una biblioteca bien desarrollada y bien documentada que le permitirá implementar toda la funcionalidad de GeoDa, incluyendo SA (y muy probablemente, incluso más). Python y Postgres suelen ser buenos amigos, por lo que invertir un tiempo lo más probable es que puedas casarte con esos dos también.