Versión de HTML Básico
Diego Rojas
Analítika, Revista de análisis estadístico, (2015), Vol. 9
62
Figura 2:
Gr´afico de dispersi´on de Moran (Moran Scatterplot)
La utilizaci´on de ´ındices globales sin embargo determina una perdida en la identificaci´on
de patrones locales que son ignorados por este tipo de indicadores. Para solucionar este
problema Anselin (1995) introduce los indicadores locales de asociaci´on espacial o LISA
por sus siglas en ingles. Los define como un indicador que da indicios sobre el grado de
aglomeraci´on espacial entre la observaci´on y sus vecinos; adem´as la suma de todos los LISA
debe ser proporcional al indicador global. La formula de este indicador puede expresarse
como sigue:
I
i
= (
y
i
−
¯
y
)
J
j
=1
w
ij
(
y
j
−
¯
y
)
(2)
El an´alisis que se desprende de este indicador es la conformaci´on de clusters con valores
Altos y con valores Bajos. Adem´as permite la identificaci´on de outliers que muestran la
asociaci´on de valores disimiles en la distintas combinaciones que se pueden realizar. Esta
clasificaci´on se realiza alrededor del gr´afico de dispersi´on de Moran o
Moran Scatterplot
,
ilustrado en la Figura 2 . Los valores se clasifican seg´un en los cuadrantes en los que se ubique
seg´un la clasificaci´on del an´alisis LISA. El valor del indicador global puede observarse en la
pendiente de una regresi´on que se ajusta a los datos del gr´afico de dispersi´on.
Los clusters son conjuntos, en este caso, de sectores censales que tienen valores estad´ısti-
camente similares, y que por su situaci´on de proximidad presentan autocorrelaci´on espacial
positiva. Cuando en estos clusters, un sector censal que est´a por encima de la media est´a ro-
deado por sectores censales que est´an por encima de la media la categor´ıa LISA para este
8