Przestrzenne metody ilościowe w R

Książka koncentruje się na współczesnych metodach ilościowych odnoszących się do zagadnień przestrzennych w takich dziedzinach jak ekonomia, regionalistyka oraz analizy biznesowe. Omawia narzędzia takie jak statystyka przestrzenna, ekonometrię przestrzenną, symulacje Monte Carlo, bootstrap oraz uczenie maszynowe. Czytelnik znajdzie tu obszerną prezentację metod analizy, wizualizacji oraz integracji danych, które mogą mieć różnorodny charakter: punktowy, obszarowy, gridowy oraz administracyjny. Łącząc te wszystkie elementy, książka staje się wszechstronnym poradnikiem dotyczącym projektowania i programowania badań przestrzennych w środowisku R, a także interpretowania wyników.

Wzrost zainteresowania przestrzennymi metodami ilościowymi wynika z wejścia informacji przestrzennej do obszaru big data oraz coraz większej popularności GIS, geolokalizacji i mapowania jako narzędzi w analizie naukowej, biznesowej i rządowej. Metody te umożliwiają wizualizację procesów ekonomicznych i społecznych, a także identyfikację relacji przyczynowo-skutkowych i tworzenie prognoz z użyciem uczenia maszynowego. Publikacja ta w pełni wpisuje się w te trendy, oferując ekonomistom ilościowym narzędzia do badania fenomenów ekonomicznych w przestrzennym kontekście, bazując na danych o zasięgu regionalnym lub geograficznym.

Publikacja jest skierowana do różnorodnych grup odbiorców. Będzie cennym źródłem wiedzy dla regionalistów, którzy pracują na danych regionalnych, jak również dla analityków danych i data scientistów przeprowadzających analizy biznesowe z wykorzystaniem danych przestrzennych. Może również służyć jako podręcznik dla studentów pragnących zgłębić analizę danych przestrzennych.

Treść książki prezentowana jest w ramach podejścia aplikacyjnego. Metody ilościowe przedstawione są w sposób praktyczny, z ograniczoną ilością formalizmów, co ułatwia zrozumienie narzędzi badawczych. Przegląd aktualnej literatury międzynarodowej pozwala na szybkie zdobycie wiedzy teoretycznej i aplikacyjnej. W książce zaprezentowano również konkretne pakiety i algorytmy w R, umiejscawiając je w kontekście różnych badań i analiz. Wszystkie przykłady oparte są na rzeczywistych danych, a wyniki są dokładnie interpretowane i omawiane. Każdy przykład zawiera pełny kod w R – od wstępnego przetwarzania danych, poprzez obliczenia, aż po przedstawienie wyników i ich wizualizację. Dodatkowo, dostęp do danych i kodów R zamieszczonych w książce możliwy jest dzięki repozytorium na GitHub.