Explorative rumliche Datenanalyse mit lokalen Statistiken

Diplomarbeit aus dem Jahr 1996 im Fachbereich BWL - Sonstiges, Note: 1,3, Universitt Augsburg (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Einleitung:
In vielen wissenschaftlichen Disziplinen werden Daten mit einem geographischen Kontext erhoben und analysiert, so z. B. in der Geologie, der Geographie, der Epidemiologie, der Astronomie oder auch den Sozialwissenschaften. Dies gilt heutzutage zwar mehr denn je, aber das Bemhen um die Auswertung solcher Daten reicht bereits Jahrhunderte zurck. Erste Anzeichen von Statistiken fr rumliche Daten scheinen in Form von Datenkarten aufgekommen zu sein. Halley zeichnete z. B. schon im Jahre 1686 in eine Karte mit den Umrissen der Kontinente die Richtungen von Passat- und Monsunwinden in den Tropen ein und versuchte, ihnen eine physikalische Ursache beizumessen. Auf dieselbe Art und Weise fand der britische Arzt Dr. Snow 1854 heraus, da eine Cholera-Epidemie in London hauptschlich auf einen mit Abwassern verunreinigten Brunnen zurckzufhren war. Diese beiden Beispiele deuten schon an, wie interessant sich eine Beschftigung mit rumlichen Daten gestalten kann.
Was ist nun das entscheidende Differenzierungsmerkmal fr einen rumlichen Datensatz? Es ist die Tatsache, da die Beobachtungen eine rumliche Referenz haben, d.h. deren Erhebungsorte sind als Punkte, Linien oder Gebietseinheiten erklrt. Die rumliche Lage der Beobachtungen fhrt zu zwei Arten von Effekten, der rumlichen Abhngigkeit (= Autokorrelation) und der rumlichen Heterogenitt (= Nicht-Stationaritt). Ersterer hat mit der Erfahrungstatsache zu tun, da geographische Daten im Normalfall umso strker in Beziehung zueinander stehen, je krzer der Abstand ihrer Meorte ist (z.B. bei Messungen von Niederschlagsmengen), und letzterer bezieht sich auf die regionalen Unterschiede, die von der Einmaligkeit jedes einzelnen Datenpunktes herrhren Besonders die Autokorrelation kann ernstzunehmende Auswirkungen auf die Erkenntnisse jeder rumlich-statist