Statystyka · Marketing

Sprzedaż na mapie – autokorelacja przestrzenna, skupiska i regresja geograficznie ważona

Fikcyjny producent instalacji fotowoltaicznych i 120 powiatów na siatce sześciokątów. Krok po kroku: macierz wag, I Morana z testem permutacyjnym, skupiska LISA, OLS kontra modele z opóźnieniem i z błędem przestrzennym oraz regresja geograficznie ważona – sześć rysunków z kodem R, podpisy APA i zdania do pracy.

Strona główna / Blog / Sprzedaż na mapie
W skrócie: Zanim uwierzysz w skupiska na mapie sprzedaży, sprawdź je testem: w przykładzie I Morana wyniosło 0.47 (p = .001 z 999 permutacji), a mapa LISA wskazała 14 powiatów w skupiskach wysokiej i 13 w skupiskach niskiej sprzedaży – ale po korekcie FDR żaden wynik lokalny się nie utrzymał. Odsetek domów jednorodzinnych i dochód wyjaśniły część skupisk; resztę najlepiej opisał model z błędem przestrzennym. Istotne ρ w modelu z opóźnieniem nie dowodzi naśladownictwa: w danych bez wpływu sąsiadów wyszło istotne w 98% powtórzeń. GWR pokazała, że efekt domów jest silniejszy na południu.

Przykład: instalacje fotowoltaiczne w 120 powiatach

Fikcyjny producent instalacji fotowoltaicznych sprzedaje domom w 120 powiatach. Dział sprzedaży ma roczne dane: liczbę sprzedanych instalacji, liczbę gospodarstw domowych, odsetek gospodarstw w domach jednorodzinnych i średni dochód na osobę. Zarząd pyta: czy sprzedaż tworzy skupiska na mapie, gdzie one są i czy te same czynniki działają wszędzie tak samo?

Wynikiem jest liczba instalacji na 1000 gospodarstw. Powiaty nie mają prawdziwych granic. To siatka 12 × 10 sześciokątów: dół mapy to południe, góra – północ. Dzięki temu każdy wewnętrzny powiat ma sześciu sąsiadów, a rysunek jest czytelny także na telefonie.

Dane są fikcyjne i znamy prawdę. Ręcznie ustaliliśmy: oczekiwana sprzedaż = 8.5 na 1000 gospodarstw + efekt domów jednorodzinnych + 5 na każdy 1 tys. zł dochodu powyżej 3.2 tys. + niemierzony czynnik regionalny (np. nasłonecznienie, gminne programy dopłat; SD = 1.5). Efekt +10 pp domów jednorodzinnych maleje z południa na północ od 2.5 do 0.3 instalacji na 1000 gospodarstw. Odsetek domów, dochód i czynnik regionalny są przestrzennie skupione, ale sprzedaż w powiecie nie zależy od sprzedaży u sąsiadów: w danych nie ma naśladownictwa. Liczba gospodarstw waha się od 2845 do 81 991 (mediana ok. 13.3 tys.). Oczekiwaną sprzedaż obcięliśmy od dołu na 1 na 1000 (dotyczyło jednego powiatu). Po pierwszym uruchomieniu zmieniliśmy model generujący z logitowego na liniowy w skali „na 1000 gospodarstw” i wzmocniliśmy różnicę efektu domów między południem a północą. Prawdziwy lokalny efekt jest wtedy w tej samej skali co współczynniki GWR. Ziarna 690 nie zmienialiśmy. Dane pobierzesz jako sprzedaz-fotowoltaika-120-powiatow.csv.

Rysunek 1: mapa sprzedaży i małe powiaty

Dwa panele. A: mapa 120 sześciokątnych powiatów, kolor od granatowego (około 1 instalacji na 1000 gospodarstw) do żółtego (18). Jasne powiaty skupiają się w górnej środkowej i prawej części mapy, ciemne w lewym dolnym rogu. B: wykres lejkowy – instalacje na 1000 gospodarstw względem liczby gospodarstw w skali logarytmicznej; pozioma linia średniej 8.64, niebieskie granice 95% i przerywane 99.8% zwężają się z liczbą gospodarstw; pomarańczowe punkty małych powiatów rozrzucają się od około 1 do 18, szare punkty dużych powiatów leżą bliżej średniej
Rysunek 1. Sprzedaż instalacji na 1000 gospodarstw w 120 powiatach (A) i względem liczby gospodarstw (B). Obliczenia: R, pakiety sf, ggplot2 i patchwork (dane fikcyjne, set.seed(690)).

Co widać. Sieć sprzedała 17 569 instalacji na 2 034 418 gospodarstw, czyli 8.64 na 1000. W powiatach wynik waha się od 0.90 do 18.08. Na mapie (A) jasne powiaty wydają się trzymać razem, ale oko widzi wzory także w przypadkowych układach – to sprawdzi test na rysunku 3. Panel B to wykres lejkowy: sam przypadek przesuwa wynik najmniejszego powiatu o ±3.40, a największego o ±0.63 (95%). Wśród 20 najbardziej skrajnych powiatów (10 najwyższych i 10 najniższych wyników) aż 14 ma mniej gospodarstw niż mediana.

Jak może zmylić. Gelman i Price (1999) pokazali, że na mapach wskaźników skrajne wartości pojawiają się nieproporcjonalnie często w obszarach o małej liczebności. Ciemny lub jasny kolor małego powiatu może więc być szumem. Poza granicami 99.8% leży 68 powiatów, więc różnice są też prawdziwe, ale z samej mapy nie odróżnisz jednych od drugich. Więcej o wyborze klas kolorów mówi hasło kartogram.

Podpis do pracy:

Rysunek 1. Liczba sprzedanych instalacji fotowoltaicznych na 1000 gospodarstw domowych w 120 powiatach (A) i jej zależność od liczby gospodarstw w powiecie (B). Uwaga. W panelu B linie ciągłe i przerywane oznaczają granice 95% i 99.8% zmienności losowej wokół średniej sieci (8.64).

Rysunek 2: kto jest sąsiadem – macierz wag

Każda miara „przestrzenna” zaczyna się od decyzji, kogo uznać za sąsiada. Zapisuje się ją w macierzy wag W: wiersz to powiat, kolumna – potencjalny sąsiad. Najprostsza reguła: sąsiad to powiat ze wspólnym bokiem. Wagi standaryzujemy wierszami, czyli każdy sąsiad dostaje 1 / liczba sąsiadów.

Grafika w dwóch panelach. A: fragment siatki sześciokątów; pomarańczowy powiat i w środku, sześć błękitnych sąsiadów ze wspólnym bokiem z wagą 1/6, pozostałe szare z wagą 0. B: tabela 6 × 6 dla powiatów P001, P002, P003, P013, P014, P015 z rogu mapy; błękitne komórki z wagami 1/2, 1/4, 1/5 i 1/6, szare zera na przekątnej i między powiatami bez wspólnego boku
Rysunek 2. Sąsiedztwo przez wspólny bok i wagi standaryzowane wierszami: jeden wiersz macierzy W na mapie (A) i wycinek macierzy (B). Grafika: R, pakiety sf, ggplot2 i patchwork.

Co widać. Powiat P054 ma sześciu sąsiadów, każdy z wagą 1/6. Narożny P001 ma tylko dwóch, więc każdy waży 1/2. Na przekątnej są zera: powiat nie jest swoim sąsiadem. Pomnożenie wiersza przez wyniki daje opóźnienie przestrzenne, czyli średnią sąsiadów. P054 sprzedał 6.68 instalacji na 1000 gospodarstw, a jego sąsiedzi średnio 8.23. W całej mapie 80 powiatów ma po sześciu sąsiadów, a 40 brzegowych – od dwóch do pięciu.

Jak może zmylić. Macierz wygląda na fakt, a jest założeniem. Sąsiedztwem mogą być wspólna granica, k najbliższych powiatów albo odległość, np. czas dojazdu montażysty. Jak bardzo zmienia to wynik, pokazujemy przy rysunku 3.

Podpis do pracy:

Rysunek 2. Definicja sąsiedztwa i macierz wag przestrzennych. Uwaga. Sąsiadami są powiaty ze wspólną granicą; wagi standaryzowano wierszami (suma wag każdego powiatu = 1).

Rysunek 3: I Morana i test permutacyjny

Autokorelacja przestrzenna oznacza, że sąsiednie powiaty mają podobne wyniki. Mierzy ją globalne I Morana (Moran, 1950). To w praktyce nachylenie prostej, gdy na osi poziomej jest wynik powiatu, a na pionowej średnia jego sąsiadów (oba standaryzowane). Przy braku autokorelacji wartość oczekiwana to −1/(n − 1), tu −0.008.

Dwa panele. A: wykres rozrzutu Morana – 120 szarych punktów, na osi poziomej standaryzowana sprzedaż w powiecie, na pionowej standaryzowana średnia sąsiadów; czerwona prosta rośnie z nachyleniem I = 0.47; większość punktów w ćwiartkach wysoko–wysoko i nisko–nisko. B: histogram 999 wartości I po przetasowaniu wyników między powiatami, skupiony wokół zera, od około −0.2 do 0.16; czerwona pionowa linia danych przy 0.47 leży daleko na prawo od całego histogramu
Rysunek 3. Wykres rozrzutu Morana dla sprzedaży na 1000 gospodarstw (A) i rozkład I Morana w 999 permutacjach (B). Obliczenia: R, pakiety spdep, ggplot2 i patchwork (dane fikcyjne, set.seed(6901)).

Co widać. I Morana = 0.47 (z = 8.49). Panel B to test permutacyjny: przetasowaliśmy wyniki między powiatami 999 razy, zachowując mapę i sąsiedztwo. Największe I z permutacji wyniosło 0.159, więc p = 1/1000 = .001 – mniej przy 999 losowaniach się nie da.

Jak może zmylić. Wynik zależy od macierzy wag. Przy sąsiedztwie przez wspólny bok (średnio 5.28 sąsiada) I = 0.469, przy czterech najbliższych powiatach 0.472, a przy dwóch pierścieniach sąsiadów (średnio 14.63) – 0.346. Wniosek „są skupiska” się nie zmienia, ale liczby tak. Macierz wybierz przed analizą i uzasadnij. I Morana nie mówi też, dlaczego są skupiska – to pytanie do regresji (rysunek 5).

Zdanie do Wyników:

Sprzedaż instalacji na 1000 gospodarstw wykazywała dodatnią autokorelację przestrzenną (I Morana = 0.47, wartość oczekiwana = −0.008, test permutacyjny z 999 losowaniami: p = .001; sąsiedztwo przez wspólną granicę, wagi standaryzowane wierszami).

Rysunek 4: lokalne skupiska LISA

Globalne I mówi „są skupiska”, ale nie gdzie. Anselin (1995) rozłożył je na lokalne wskaźniki LISA: każdy powiat dostaje własne I i własny test permutacyjny. Z ćwiartki wykresu rozrzutu wynika typ: WW (wysoki wśród wysokich), NN, WN i NW.

Mapa 120 sześciokątów. Czerwone powiaty WW – 14 – tworzą dwie grupy w górnej części mapy i pas przez jej środek. Granatowe powiaty NN – 13 – tworzą zwarte skupisko w lewym dolnym rogu i parę w lewym górnym. Jeden pomarańczowy powiat WN leży na skraju skupiska NN, dwa błękitne powiaty NW leżą wśród powiatów WW. Pozostałe 90 powiatów jest jasnoszarych (nieistotne)
Rysunek 4. Lokalne wskaźniki autokorelacji przestrzennej (LISA) dla sprzedaży na 1000 gospodarstw; litery w komórkach powtarzają typ powiatu. Obliczenia: R, pakiety spdep, sf i ggplot2 (999 permutacji warunkowych, set.seed(6903)).

Co widać. Przy p < .05 jest 14 powiatów WW (średnio 12.40 instalacji na 1000 gospodarstw) i 13 powiatów NN (3.85). W powiatach WW 61.8% gospodarstw mieszka w domach jednorodzinnych, w NN – 44.7%. Trzy powiaty odstają od sąsiadów: P028 (WN) oraz P068 i P103 (NW).

Jak może zmylić. To 120 testów naraz, czyli problem wielokrotnych porównań. Po procedurze Benjaminiego–Hochberga (FDR 5%) z 30 istotnych powiatów nie zostaje żaden. Testy lokalne są przy tym zależne, bo sąsiedzi dzielą sąsiadów. Mapę LISA traktuj więc jako wskazówkę, gdzie patrzeć, a nie jako listę „udowodnionych” skupisk.

Podpis do pracy:

Rysunek 4. Lokalne skupiska sprzedaży instalacji (LISA). Uwaga. WW – powiat o wysokiej sprzedaży wśród sąsiadów o wysokiej sprzedaży; NN – niska wśród niskich; WN i NW – powiaty odstające od sąsiadów. Zaznaczono powiaty z p < .05 w teście z 999 permutacjami warunkowymi, bez poprawki na wielokrotne porównania.

Rysunek 5: OLS, opóźnienie i błąd przestrzenny

Zwykła regresja liniowa (OLS) z odsetkiem domów i dochodem wyjaśnia 76% zmienności (R² = .76). Każde +1 pp domów jednorodzinnych to średnio +0.179 instalacji na 1000 gospodarstw, a +1 tys. zł dochodu – +5.99. Ale I Morana dla reszt wynosi 0.33 (p < .001). Dormann i in. (2007) przypominają, że taka autokorelacja reszt narusza założenie niezależnych błędów i może zawyżać odsetek błędów I rodzaju. Są dwa typowe modele naprawcze:

  • z opóźnieniem przestrzennym (lag) – sprzedaż w powiecie zależy od sprzedaży sąsiadów (parametr ρ);
  • z błędem przestrzennym (error) – skorelowane są tylko reszty, np. przez niemierzony czynnik regionalny (parametr λ).
Dwa panele z przedziałami ufności 95% dla trzech modeli. Lewy, +1 pp domów: OLS 0.179 (szare kółko), błąd przestrzenny 0.176 (niebieski kwadrat), opóźnienie przestrzenne 0.146 (czerwony trójkąt) – przedział lag przesunięty w lewo. Prawy, +1 tys. zł dochodu: OLS 5.99, błąd przestrzenny 5.13, opóźnienie 5.14
Rysunek 5. Współczynniki regresji z 95% przedziałami ufności w modelu OLS, z błędem przestrzennym i z opóźnieniem przestrzennym. Obliczenia: R, pakiety spdep, spatialreg i ggplot2 (dane fikcyjne, set.seed(690)).

Co widać. Model z błędem ma najniższe AIC (462.6 wobec 465.6 dla lag i 490.7 dla OLS) i usuwa autokorelację reszt (I = −0.007; w lag zostaje 0.094). Współczynnik domów prawie się nie zmienia (0.176). W modelu lag współczynnik 0.146 to nie cały efekt: łączny, z częścią „przez sąsiadów”, wynosi 0.229.

Jak może zmylić. W modelu lag ρ = 0.36 (SE = 0.066, p < .001), choć w danych nie ma naśladownictwa. W 200 nowych zbiorach z tymi samymi parametrami model lag pokazał istotne ρ > 0 w 98% (błąd MC 1 pp). Istotne ρ to nie dowód, że klienci kopiują sąsiadów: podobny ślad zostawia pominięty czynnik o przestrzennym rozkładzie. Bez zmiennych objaśniających ρ wynosi nawet 0.70 – część skupisk wyjaśniają domy i dochód.

Zdanie do Wyników:

Reszty modelu OLS wykazywały autokorelację przestrzenną (I Morana = 0.33, p < .001). Najlepiej dopasowany był model z błędem przestrzennym (AIC = 462.6; model z opóźnieniem przestrzennym: 465.6; OLS: 490.7; λ = 0.61), w którym udział domów jednorodzinnych (B = 0.176, SE = 0.016) i dochód (B = 5.13, SE = 0.39) pozostały dodatnio związane ze sprzedażą.

Rysunek 6: regresja geograficznie ważona

OLS i modele przestrzenne dają jeden współczynnik dla całej mapy. Regresja geograficznie ważona (GWR) dopasowuje w każdym powiecie osobną regresję, w której bliskie powiaty ważą więcej (Brunsdon i in., 1996). Liczyliśmy ją pakietem GWmodel (Gollini i in., 2015): jądro bisquare, pasmo adaptacyjne dobrane według AICc.

Dwie mapy sześciokątów w tej samej skali kolorów od granatowego (0) do żółtego (2.7). A, prawda: kolor zmienia się płynnie rzędami – żółty na dole (południe, efekt 2.5), granatowy na górze (północ, 0.3). B, GWR z pasmem 34 powiatów: na dole i w środku przeważają żółte i oliwkowe powiaty, w prawym górnym rogu granatowe, ale wzór jest plamisty, a nie płynny
Rysunek 6. Prawdziwy (A) i oszacowany w GWR (B) lokalny efekt wzrostu odsetka domów jednorodzinnych o 10 pp na liczbę instalacji na 1000 gospodarstw. Obliczenia: R, pakiety GWmodel, sf, ggplot2 i patchwork (dane fikcyjne, set.seed(690)).

Co widać. AICc wybrało pasmo 34 najbliższych powiatów. GWR opisuje dane lepiej niż OLS (AICc = 443.9 wobec 491.0). Lokalny efekt +10 pp domów waha się od −0.07 do 2.70, podczas gdy OLS daje jedno 1.79. Na południu GWR daje średnio 2.04 (prawda 2.13), na północy 0.93 (prawda 0.54). Korelacja z prawdziwym efektem wynosi r = .73. Test Monte Carlo (99 losowań) wskazał, że efekt domów zmienia się w przestrzeni (p < .01).

Jak może zmylić. GWR ma tu 31.8 efektywnego parametru przy 120 powiatach, więc część plam to szum, a wartości na brzegach mapy (jak −0.07) są najmniej pewne. Lokalny wyraz wolny też „pływa” (p < .01), bo wchłania niemierzony czynnik regionalny. Zmienność współczynników może więc wynikać z pominiętej zmiennej, a nie z innego działania domów. Lokalne współczynniki bywają też współliniowe (współliniowość) i dotyczą powiatów, nie gospodarstw (błąd ekologiczny).

Zdanie do Wyników:

Regresja geograficznie ważona (jądro bisquare, adaptacyjne pasmo 34 najbliższych powiatów wybrane według AICc) opisywała dane lepiej niż model globalny (AICc = 443.9 wobec 491.0). Lokalny związek sprzedaży z odsetkiem domów jednorodzinnych wahał się od −0.07 do 2.70 instalacji na 1000 gospodarstw na 10 pp i był silniejszy na południu; test Monte Carlo wskazał na zmienność tego współczynnika w przestrzeni (p < .01).

Co z tym zrobić w marketingu

  • Nie oceniaj przedstawicieli po kolorze małego powiatu. Przy 3 tys. gospodarstw sam przypadek przesuwa wynik o ±3.4 instalacji na 1000. Porównuj z lejkiem albo łącz małe powiaty z sąsiednimi.
  • Powiaty NW to kandydaci, nie przegrani. P068 i P103 sprzedają wyraźnie mniej niż ich sąsiedzi, którym idzie dobrze. Sprawdź najpierw dostępność montażystów i działania konkurencji, potem uruchom tam kampanię – najlepiej jako geo-eksperyment z losowaniem regionów.
  • Różnicuj przekaz według mapy GWR. Na południu każde +10 pp domów jednorodzinnych to ok. 2 instalacje na 1000 gospodarstw, na północy mniej niż jedna. Kampania do właścicieli domów ma więc większy sens na południu, a na północy warto szukać innych argumentów (np. magazyn energii).
  • Nie płać za „efekt sąsiada”, którego nie sprawdziłeś. Program poleceń uzasadniony istotnym ρ może być strzałem w ciemno. Wpływ sąsiadów sprawdza eksperyment, a nie model obserwacyjny.
  • Łącz mapę z modelem lokalizacji. Gdzie otworzyć punkt sprzedaży, pokazuje model Huffa, a jak cena i promocja dzielą rynek – model atrakcyjności udziałów (MCI).

Inne tematy do pracy z marketingu zbiera wpis statystyka w pracy z marketingu.

Jak opisać w pracy

W Metodzie podaj jednostkę (powiat), definicję sąsiedztwa i standaryzację wag, liczbę permutacji oraz kryterium wyboru modelu i pasma. W Wynikach – globalne I, liczbę powiatów w każdym typie LISA z informacją o poprawce, porównanie modeli i zakres lokalnych współczynników. W Dyskusji nazwij ograniczenia: dane zagregowane, wybór sąsiedztwa i możliwe pominięte zmienne.

Metoda. Jednostką analizy był powiat (N = 120), a zmienną zależną – liczba sprzedanych instalacji na 1000 gospodarstw domowych. Sąsiedztwo zdefiniowano jako wspólną granicę, a wagi przestrzenne standaryzowano wierszami. Autokorelację przestrzenną oceniono globalną statystyką I Morana i lokalnymi wskaźnikami LISA z testami permutacyjnymi (999 losowań). Porównano model regresji liniowej (OLS) z modelami z opóźnieniem i z błędem przestrzennym (kryterium AIC). Niestacjonarność związków oceniono regresją geograficznie ważoną z jądrem bisquare i pasmem adaptacyjnym wybranym według AICc. Obliczenia wykonano w R 4.5.3 (pakiety spdep, spatialreg i GWmodel).
Wyniki. Sprzedaż wykazywała dodatnią autokorelację przestrzenną (I Morana = 0.47, p = .001). Analiza LISA wskazała 14 powiatów w skupiskach wysokiej i 13 w skupiskach niskiej sprzedaży (p < .05 bez poprawki; po korekcie FDR żaden wynik lokalny nie był istotny). Po uwzględnieniu odsetka domów jednorodzinnych i dochodu reszty OLS pozostały autokorelowane (I = 0.33, p < .001); najlepiej dopasowany był model z błędem przestrzennym (AIC = 462.6). Regresja geograficznie ważona wskazała, że związek sprzedaży z odsetkiem domów jednorodzinnych był silniejszy na południu niż na północy.
Przykład reprodukowalny

Kod R wszystkich rysunków

Kod odtwarza wszystkie liczby z tekstu i sześć rysunków. Uruchom przepisy po kolei w jednej sesji R: przepis 1 tworzy siatkę, sąsiedztwo, dane, paletę i motyw, przepis 3 – listę wag lw, przepis 5 – model ols używany w przepisie 6. Przepisy 1–6 kończą się nazwą wykresu (p1–p6), co wyświetla go w oknie R; do zapisu w pliku SVG użyj ggsave() jak w komentarzu. Rysunki na tej stronie powstały z tych samych obiektów, którym podmieniono tylko motyw na motyw serwisu (krój i kolor czcionki) – dane, geometrie i skale są identyczne.

Każdy losujący blok zaczyna od własnego ziarna: 690 (dane, przepis 1), 6901 i 6902 (permutacje, przepis 3), 6903 (LISA, przepis 4), 6904 (200 powtórzeń, przepis 5) i 6905 (test Monte Carlo GWR, przepis 6). Ziaren nie dobieraliśmy pod wynik. Ręcznie ustalono (przepis 1): siatkę 12 × 10, siłę skupienia pól przestrzennych (ρ = 0.8 dla domów, 0.6 dla dochodu, 0.85 dla czynnika regionalnego), średni odsetek domów (50%, SD 12, zakres 15–85%), dochód (3.2 tys. zł, SD 0.4), poziom sprzedaży (8.5 na 1000), efekt domów (od 0.03 na północy do 0.25 na południu na 1 pp), efekt dochodu (5 na 1 tys. zł), SD czynnika regionalnego (1.5), dolne obcięcie na 1 na 1000 i rozkład liczby gospodarstw (mediana 14 tys., co najmniej 2500). Po pierwszym uruchomieniu zmieniono model generujący z logitowego na liniowy i wzmocniono różnicę efektu domów między południem a północą (wcześniej od 0.10 do 0.40 na 10 pp w skali logitu). Liczba permutacji (999), powtórzeń (200) i losowań Monte Carlo (99) też jest ustalona ręcznie. Przepis 1 zapisuje dane do pliku CSV w katalogu roboczym. Cały kod liczy się w około pół minuty, głównie przez 200 powtórzeń w przepisie 5.

1. Dane: 120 powiatów na siatce, mapa i lejek: Rysunek 1

Dane wejściowe: nic – dane losuje kod. Na początku paleta Okabe–Ito kol, motyw motyw i siatka sześciokątów (pakiet sf), potem sąsiedztwo nb, macierz W i funkcja generuj() z ręcznymi parametrami.

Co odczytać: liczbę sąsiadów, sumy sprzedaży, zakres wyników, ile skrajnych powiatów jest małych, ile powiatów wychodzi poza lejek 99.8% i szerokość lejka 95%.

R
# Przepis 1. Fikcyjny producent instalacji fotowoltaicznych: sprzedaż w 120 powiatach na siatce sześciokątów
library(sf); library(spdep); library(ggplot2); library(patchwork)

# Paleta Okabe–Ito (rozróżnialna także przy deuteranopii) i prosty motyw
kol <- c(niebieski = "#0072B2", pomaranczowy = "#E69F00", cynober = "#D55E00", blekit = "#56B4E9",
         zielony = "#009E73", szary = "grey55")
motyw <- theme_minimal(base_size = 14) +
  theme(plot.title = element_text(face = "bold", colour = "#0f1d3a", size = rel(1.0)),
        plot.subtitle = element_text(colour = "grey30"), panel.grid.minor = element_blank(),
        panel.grid.major = element_line(colour = "grey88", linewidth = 0.4), legend.position = "bottom",
        plot.background = element_rect(fill = "white", colour = NA), plot.margin = margin(10, 14, 10, 10))
bez_osi <- theme(axis.text = element_blank(), axis.title = element_blank(), panel.grid = element_blank())
mapa <- coord_sf(datum = NA)                                  # mapa bez siatki współrzędnych

# Siatka 12 × 10 sześciokątów zamiast prawdziwych granic: co drugi rząd przesunięty o pół komórki
szesciokat <- function(x, y, r = 1 / sqrt(3)) {
  k <- (30 + 60 * 0:5) * pi / 180
  w <- cbind(x + r * cos(k), y + r * sin(k))
  st_polygon(list(rbind(w, w[1, ])))                          # wielokąt musi być zamknięty
}
siatka <- expand.grid(kol_nr = 0:11, rzad = 0:9)
siatka$x <- siatka$kol_nr + 0.5 * (siatka$rzad %% 2)
siatka$y <- siatka$rzad * sqrt(3) / 2                         # y = 0 to południe, y = 7.8 to północ
powiaty <- st_sf(powiat = sprintf("P%03d", 1:120), x = siatka$x, y = siatka$y,
                 geometry = st_sfc(mapply(szesciokat, siatka$x, siatka$y, SIMPLIFY = FALSE)))
nb <- poly2nb(powiaty, snap = 1e-6)                           # sąsiad = wspólny bok
W  <- nb2mat(nb, style = "W")                                 # wagi standaryzowane wierszami (suma = 1)
cat("Powiatów:", nrow(powiaty), "| liczba sąsiadów (ile powiatów):"); print(table(card(nb)))

# Ręczne parametry: pola przestrzenne z procesu autoregresyjnego (z = (I − ρW)^(−1) e), siła związków,
# poziom sprzedaży i liczba gospodarstw. Brak naśladownictwa: sprzedaż w powiecie NIE zależy od sprzedaży sąsiadów.
pole <- function(rho) { z <- solve(diag(120) - rho * W, rnorm(120)); as.numeric(scale(z)) }
b_domy <- 0.03 + 0.22 * (1 - powiaty$y / max(powiaty$y))     # +1 pp domów: +0.25 na południu, +0.03 na północy
generuj <- function() {
  d <- data.frame(domy = round(pmin(85, pmax(15, 50 + 12 * pole(0.8))), 1),   # % gospodarstw w domach jednorodzinnych
                  dochod = round(3.2 + 0.4 * pole(0.6), 2))                  # średni dochód na osobę (tys. zł)
  u <- 1.5 * pole(0.85)                                       # niemierzony czynnik regionalny (np. nasłonecznienie)
  d$gosp <- round(pmax(2500, exp(rnorm(120, log(14000), 0.7))))             # liczba gospodarstw domowych
  d$oczek <- pmax(1, 8.5 + b_domy * (d$domy - 50) + 5 * (d$dochod - 3.2) + u) # oczekiwane instalacje na 1000 gosp.
  d$instalacje <- rbinom(120, d$gosp, d$oczek / 1000)         # sprzedane instalacje w roku
  d$na1000 <- round(1000 * d$instalacje / d$gosp, 2)          # instalacje na 1000 gospodarstw
  d
}
set.seed(690)                                                 # ziarno ustalone raz, bez dobierania pod wynik
powiaty <- cbind(powiaty, generuj())
powiaty$efekt_prawd <- 10 * b_domy                            # prawdziwy efekt +10 pp domów (do porównania z GWR)
cat("Powiatów z oczekiwaną sprzedażą obciętą do 1 na 1000:", sum(powiaty$oczek == 1), "\n")
write.csv(st_drop_geometry(powiaty[, c("powiat", "x", "y", "domy", "dochod", "gosp", "instalacje", "na1000")]),
          "sprzedaz-fotowoltaika-120-powiatow.csv", row.names = FALSE)

srednia <- 1000 * sum(powiaty$instalacje) / sum(powiaty$gosp)
cat("Instalacji razem:", sum(powiaty$instalacje), "| gospodarstw:", sum(powiaty$gosp),
    "| średnio na 1000 gospodarstw:", round(srednia, 2), "\n")
cat("Na 1000 gospodarstw w powiatach: min", min(powiaty$na1000), "mediana", median(powiaty$na1000),
    "max", max(powiaty$na1000), "\n")
cat("Gospodarstw w powiecie: min", min(powiaty$gosp), "mediana", median(powiaty$gosp), "max", max(powiaty$gosp), "\n")
cat("Prawdziwy efekt +10 pp domów (na 1000 gospodarstw): od", round(min(powiaty$efekt_prawd), 2),
    "do", round(max(powiaty$efekt_prawd), 2), "\n")

# Małe powiaty: ile z 10 najwyższych i 10 najniższych wyników ma mniej gospodarstw niż mediana?
male <- powiaty$gosp < median(powiaty$gosp)
skrajne <- c(order(-powiaty$na1000)[1:10], order(powiaty$na1000)[1:10])
cat("Z 20 najbardziej skrajnych powiatów małych (poniżej mediany gospodarstw):", sum(male[skrajne]), "\n")

# Lejek: granice 95% i 99.8% wokół średniej sieci, gdyby wszystkie powiaty miały tę samą prawdziwą sprzedaż
# (przybliżenie normalne rozkładu dwumianowego: średnia ± z · √(p(1 − p)/n))
pol <- function(n, z) 1000 * z * sqrt(srednia / 1000 * (1 - srednia / 1000) / n)
lejek <- data.frame(gosp = exp(seq(log(2400), log(max(powiaty$gosp) * 1.05), length.out = 200)))
lejek$d95 <- srednia - pol(lejek$gosp, 1.96);  lejek$g95 <- srednia + pol(lejek$gosp, 1.96)
lejek$d998 <- srednia - pol(lejek$gosp, 3.09); lejek$g998 <- srednia + pol(lejek$gosp, 3.09)
poza <- abs(powiaty$na1000 - srednia) > pol(powiaty$gosp, 3.09)
cat("Powiaty poza granicami 99.8%:", sum(poza), "z 120\n")
cat("Połowa szerokości lejka 95% (sam przypadek): najmniejszy powiat ±", round(pol(min(powiaty$gosp), 1.96), 2),
    "| największy ±", round(pol(max(powiaty$gosp), 1.96), 2), "\n")

p1a <- ggplot(powiaty) + geom_sf(aes(fill = na1000), colour = "white", linewidth = 0.3) +
  scale_fill_viridis_c(option = "cividis", name = "Instalacje na 1000 gospodarstw") +
  guides(fill = guide_colourbar(barwidth = 12, barheight = 0.6, title.position = "top")) +
  labs(title = "A. Sprzedaż w 120 powiatach") + mapa + motyw + bez_osi
p1b <- ggplot(powiaty, aes(gosp / 1000, na1000)) +
  geom_line(data = lejek, aes(gosp / 1000, d998), colour = kol[["niebieski"]], linetype = "22") +
  geom_line(data = lejek, aes(gosp / 1000, g998), colour = kol[["niebieski"]], linetype = "22") +
  geom_line(data = lejek, aes(gosp / 1000, d95), colour = kol[["niebieski"]]) +
  geom_line(data = lejek, aes(gosp / 1000, g95), colour = kol[["niebieski"]]) +
  geom_hline(yintercept = srednia, colour = "grey30") +
  geom_point(aes(shape = male), colour = "grey25", fill = kol[["pomaranczowy"]], size = 2.4, alpha = 0.85) +
  scale_shape_manual(values = c(`TRUE` = 21, `FALSE` = 16), labels = c(`TRUE` = "mały powiat", `FALSE` = "duży powiat"),
                     name = NULL) +
  scale_x_log10() +
  labs(title = "B. Małe powiaty skaczą najbardziej", subtitle = "Granice przypadku: 95% i 99.8% (przerywane)", x = "Gospodarstwa domowe (tys., skala log)",
       y = "Instalacje na 1000 gospodarstw") + motyw
p1 <- p1a + p1b + plot_layout(widths = c(1.15, 1))
p1   # zapis: ggsave("fotowoltaika-mapa-i-lejek.svg", p1, width = 10, height = 5.6)
Wynik w R
Powiatów: 120 | liczba sąsiadów (ile powiatów):
 2  3  4  5  6 
 2 10 20  8 80 
Powiatów z oczekiwaną sprzedażą obciętą do 1 na 1000: 1 
Instalacji razem: 17569 | gospodarstw: 2034418 | średnio na 1000 gospodarstw: 8.64 
Na 1000 gospodarstw w powiatach: min 0.9 mediana 8.445 max 18.08 
Gospodarstw w powiecie: min 2845 mediana 13253.5 max 81991 
Prawdziwy efekt +10 pp domów (na 1000 gospodarstw): od 0.3 do 2.5 
Z 20 najbardziej skrajnych powiatów małych (poniżej mediany gospodarstw): 14 
Powiaty poza granicami 99.8%: 68 z 120
Połowa szerokości lejka 95% (sam przypadek): najmniejszy powiat ± 3.4 | największy ± 0.63 

2. Grafika: macierz wag: Rysunek 2

Dane wejściowe: powiaty, nb, W z przepisu 1. Nic nie losuje.

Co odczytać: sąsiadów powiatu P054, jego wynik i średnią sąsiadów (opóźnienie przestrzenne) oraz wagi narożnego powiatu P001.

R
# Przepis 2. Grafika: kto jest sąsiadem i jak wygląda macierz wag W (wycinek siatki)
# (korzysta z powiaty, nb, W, kol, motyw, bez_osi z przepisu 1)
library(sf); library(ggplot2); library(patchwork)

srodek <- 54                                                  # powiat P054 w środku mapy
sas <- nb[[srodek]]
cat("Sąsiedzi", powiaty$powiat[srodek], ":", powiaty$powiat[sas], "| waga każdego:", round(W[srodek, sas[1]], 3), "\n")
cat("Wynik", powiaty$powiat[srodek], ":", powiaty$na1000[srodek], "| średnia sąsiadów (opóźnienie przestrzenne):",
    round(sum(W[srodek, ] * powiaty$na1000), 2), "\n")
cat("Narożny powiat P001 ma", length(nb[[1]]), "sąsiadów – każdy z wagą", round(W[1, nb[[1]][1]], 3), "\n")

fragment <- powiaty[abs(powiaty$x - powiaty$x[srodek]) <= 3.1 & abs(powiaty$y - powiaty$y[srodek]) <= 1.9, ]
fragment$rola <- ifelse(fragment$powiat == powiaty$powiat[srodek], "powiat i",
                        ifelse(fragment$powiat %in% powiaty$powiat[sas], "sąsiad (wspólny bok)", "nie sąsiad"))
fragment$etykieta <- ifelse(fragment$rola == "powiat i", "i",
                            ifelse(fragment$rola == "nie sąsiad", "0", "1/6"))
wyp <- c("powiat i" = kol[["cynober"]], "sąsiad (wspólny bok)" = kol[["blekit"]], "nie sąsiad" = "grey92")
p2a <- ggplot(fragment) + geom_sf(aes(fill = rola), colour = "white", linewidth = 0.8) +
  geom_text(aes(x, y, label = etykieta), size = 4.6, colour = "grey10") +
  scale_fill_manual(values = wyp, name = NULL) +
  labs(title = "A. Wiersz macierzy W dla powiatu i",
       subtitle = "Waga = 1 / liczba sąsiadów; wiersz sumuje się do 1") + mapa + motyw + bez_osi +
  theme(legend.position = "bottom")

# Wycinek macierzy W: sześć powiatów z południowo-zachodniego rogu (rzędy 0–1, kolumny 0–2)
wyc <- c(1, 2, 3, 13, 14, 15)
mac <- expand.grid(wiersz = wyc, kolumna = wyc)
mac$w <- W[cbind(mac$wiersz, mac$kolumna)]
mac$etyk <- ifelse(mac$w == 0, "0", paste0("1/", round(1 / mac$w)))
mac$wiersz <- factor(powiaty$powiat[mac$wiersz], rev(powiaty$powiat[wyc]))
mac$kolumna <- factor(powiaty$powiat[mac$kolumna], powiaty$powiat[wyc])
p2b <- ggplot(mac, aes(kolumna, wiersz, fill = w > 0)) +
  geom_tile(colour = "white", linewidth = 1) +
  geom_text(aes(label = etyk), size = 4.4, colour = "grey10") +
  scale_fill_manual(values = c(`TRUE` = kol[["blekit"]], `FALSE` = "grey92"), guide = "none") +
  scale_x_discrete(position = "top") +
  labs(title = "B. Wycinek macierzy W",
       subtitle = "Róg mapy: mniej sąsiadów, większe wagi", x = NULL, y = NULL) +
  motyw + theme(panel.grid = element_blank(), axis.text = element_text(size = 11))
p2 <- p2a + p2b + plot_layout(widths = c(1.25, 1))
p2   # zapis: ggsave("fotowoltaika-macierz-wag.svg", p2, width = 10, height = 5.6)
Wynik w R
Sąsiedzi P054 : P041 P042 P053 P055 P065 P066 | waga każdego: 0.167 
Wynik P054 : 6.68 | średnia sąsiadów (opóźnienie przestrzenne): 8.23 
Narożny powiat P001 ma 2 sąsiadów – każdy z wagą 0.5 

3. I Morana, test permutacyjny i trzy sąsiedztwa: Rysunek 3

Dane wejściowe: powiaty i nb z przepisu 1. Permutacje losują – dwa bloki z własnymi ziarnami 6901 i 6902.

Co odczytać: I Morana, wartość oczekiwaną, z, p z 999 permutacji oraz tabelę I dla trzech definicji sąsiedztwa.

R
# Przepis 3. Globalne I Morana: test analityczny, test permutacyjny i wybór sąsiedztwa
# (korzysta z powiaty, nb, kol, motyw z przepisu 1)
library(spdep); library(ggplot2); library(patchwork)

lw <- nb2listw(nb, style = "W")
mt <- moran.test(powiaty$na1000, lw)
set.seed(6901)                                                # osobne ziarno dla permutacji
mc <- moran.mc(powiaty$na1000, lw, nsim = 999)
cat("I Morana =", round(mt$estimate[["Moran I statistic"]], 3), "| wartość oczekiwana =",
    round(mt$estimate[["Expectation"]], 3), "| z =", round(mt$statistic, 2), "\n")
cat("Test permutacyjny (999 losowań): p =", sub("^0", "", mc$p.value), "| największe I z permutacji =", round(max(mc$res[1:999]), 3), "\n")

# Trzy definicje sąsiedztwa dają różne I
wsp <- st_coordinates(st_centroid(st_geometry(powiaty)))
warianty <- list("wspólny bok (2–6 sąsiadów)" = nb,
                 "4 najbliższe centroidy" = knn2nb(knearneigh(wsp, k = 4)),
                 "do 2 pierścieni (do 18 sąsiadów)" = dnearneigh(wsp, 0, 2.01))
set.seed(6902)
porown <- t(sapply(warianty, function(n) {
  l <- nb2listw(n, style = "W")
  c(sasiadow_srednio = mean(card(n)), I = moran.test(powiaty$na1000, l, randomisation = TRUE)$estimate[[1]],
    p_perm = moran.mc(powiaty$na1000, l, nsim = 999)$p.value)
}))
print(round(porown, 3))

z <- as.numeric(scale(powiaty$na1000))
rozrzut <- data.frame(z = z, lag_z = lag.listw(lw, z))
p3a <- ggplot(rozrzut, aes(z, lag_z)) +
  geom_hline(yintercept = 0, colour = "grey60") + geom_vline(xintercept = 0, colour = "grey60") +
  geom_point(colour = "grey35", alpha = 0.7, size = 2) +
  geom_smooth(method = "lm", formula = y ~ x, se = FALSE, colour = kol[["cynober"]], linewidth = 1) +
  annotate("text", x = 2.3, y = -1.35, label = paste0("nachylenie = I = ", sprintf("%.2f", mt$estimate[[1]])),
           colour = kol[["cynober"]], size = 4.3, hjust = 1) +
  annotate("text", x = c(2.6, -2), y = c(1.7, -1.6), label = c("wysoko–wysoko", "nisko–nisko"),
           colour = "grey30", size = 3.9, hjust = c(1, 0)) +
  labs(title = "A. Wykres rozrzutu Morana", x = "Sprzedaż w powiecie (z)", y = "Średnia sąsiadów (z)") + motyw
perm <- data.frame(I = mc$res[1:999])
p3b <- ggplot(perm, aes(I)) +
  geom_histogram(bins = 30, fill = "grey75", colour = "white") +
  geom_vline(xintercept = mt$estimate[[1]], colour = kol[["cynober"]], linewidth = 1.1) +
  annotate("text", x = mt$estimate[[1]], y = Inf, vjust = 1.5, hjust = 1.05, label = "dane", colour = kol[["cynober"]],
           size = 4.3) +
  labs(title = "B. I po 999 przetasowaniach powiatów", x = "I Morana", y = "Liczba permutacji") + motyw
p3 <- p3a + p3b
p3   # zapis: ggsave("fotowoltaika-moran.svg", p3, width = 10, height = 5.4)
Wynik w R
I Morana = 0.469 | wartość oczekiwana = -0.008 | z = 8.49 
Test permutacyjny (999 losowań): p = .001 | największe I z permutacji = 0.159 
                                 sasiadow_srednio     I p_perm
wspólny bok (2–6 sąsiadów)                  5.283 0.469  0.001
4 najbliższe centroidy                      4.000 0.472  0.001
do 2 pierścieni (do 18 sąsiadów)           14.633 0.346  0.001

4. Lokalne skupiska LISA: Rysunek 4

Dane wejściowe: powiaty i lw z przepisów 1 i 3; ziarno 6903 dla permutacji warunkowych.

Co odczytać: liczbę powiatów każdego typu, wynik po poprawce Benjaminiego–Hochberga, powiaty odstające i średnie w skupiskach.

R
# Przepis 4. Lokalne skupiska LISA (lokalne I Morana z permutacjami warunkowymi) i mapa skupisk
# (korzysta z powiaty, lw, kol, motyw, bez_osi z przepisów 1 i 3)
library(spdep); library(sf); library(ggplot2)

set.seed(6903)
li <- localmoran_perm(powiaty$na1000, lw, nsim = 999)
p_lok <- li[, "Pr(z != E(Ii)) Sim"]                           # p z 999 permutacji warunkowych
cwiartka <- as.character(attr(li, "quadr")$mean)              # High-High, Low-Low, Low-High, High-Low
nazwy <- c("High-High" = "wysoko–wysoko", "Low-Low" = "nisko–nisko", "High-Low" = "wysoko wśród niskich",
           "Low-High" = "nisko wśród wysokich")
powiaty$lisa <- ifelse(p_lok < 0.05, nazwy[cwiartka], "nieistotne")
powiaty$lisa <- factor(powiaty$lisa, c(nazwy, "nieistotne"))
cat("Powiaty według typu (p < .05, bez poprawki):\n"); print(table(powiaty$lisa))
p_bh <- p.adjust(p_lok, "BH")
cat("Po poprawce Benjaminiego–Hochberga (FDR 5%) istotnych zostaje:", sum(p_bh < 0.05), "z", sum(p_lok < 0.05), "\n")
odst <- powiaty$lisa %in% nazwy[c("High-Low", "Low-High")]
cat("Powiaty odstające od sąsiadów:", powiaty$powiat[odst], "| ich gospodarstwa:", powiaty$gosp[odst], "\n")
cat("Mediana gospodarstw: w skupiskach wysoko–wysoko", median(powiaty$gosp[powiaty$lisa == nazwy[["High-High"]]]),
    "| wszystkie powiaty", median(powiaty$gosp), "\n")
cat("Średnio na 1000 gospodarstw: wysoko–wysoko", round(mean(powiaty$na1000[powiaty$lisa == nazwy[["High-High"]]]), 2),
    "| nisko–nisko", round(mean(powiaty$na1000[powiaty$lisa == nazwy[["Low-Low"]]]), 2), "\n")
cat("Średnio % domów: wysoko–wysoko", round(mean(powiaty$domy[powiaty$lisa == nazwy[["High-High"]]]), 1),
    "| nisko–nisko", round(mean(powiaty$domy[powiaty$lisa == nazwy[["Low-Low"]]]), 1), "\n")

kol_lisa <- c("wysoko–wysoko" = kol[["cynober"]], "nisko–nisko" = kol[["niebieski"]],
              "wysoko wśród niskich" = kol[["pomaranczowy"]], "nisko wśród wysokich" = kol[["blekit"]],
              "nieistotne" = "grey92")
ozn <- c("wysoko–wysoko" = "WW", "nisko–nisko" = "NN", "wysoko wśród niskich" = "WN",
         "nisko wśród wysokich" = "NW", "nieistotne" = "")
p4 <- ggplot(powiaty) + geom_sf(aes(fill = lisa), colour = "white", linewidth = 0.4) +
  geom_text(aes(x, y, label = ozn[as.character(lisa)]), size = 3.3, colour = "grey10") +
  scale_fill_manual(values = kol_lisa, drop = FALSE, name = NULL) +
  guides(fill = guide_legend(nrow = 2)) +
  labs(title = "Lokalne skupiska sprzedaży (LISA, p < .05 bez poprawki)",
       subtitle = "WW, NN – skupiska podobnych powiatów; WN, NW – powiaty inne niż sąsiedzi") + mapa + motyw + bez_osi
p4   # zapis: ggsave("fotowoltaika-lisa.svg", p4, width = 10, height = 6.4)
Wynik w R
Powiaty według typu (p < .05, bez poprawki):

       wysoko–wysoko          nisko–nisko wysoko wśród niskich 
                  14                   13                    1 
nisko wśród wysokich           nieistotne 
                   2                   90 
Po poprawce Benjaminiego–Hochberga (FDR 5%) istotnych zostaje: 0 z 30 
Powiaty odstające od sąsiadów: P028 P068 P103 | ich gospodarstwa: 20915 5416 40434 
Mediana gospodarstw: w skupiskach wysoko–wysoko 12063 | wszystkie powiaty 13253.5 
Średnio na 1000 gospodarstw: wysoko–wysoko 12.4 | nisko–nisko 3.85 
Średnio % domów: wysoko–wysoko 61.8 | nisko–nisko 44.7 

5. OLS, model z opóźnieniem i z błędem; 200 powtórzeń: Rysunek 5

Dane wejściowe: powiaty, lw i generuj() z przepisów 1 i 3; ziarno 6904 dla 200 nowych zbiorów danych.

Co odczytać: współczynniki OLS i R², I Morana dla reszt, ρ, λ, AIC, autokorelację reszt modeli przestrzennych, efekty bezpośredni i pośredni oraz odsetek istotnych ρ bez naśladownictwa.

R
# Przepis 5. Regresja OLS, model z opóźnieniem przestrzennym (lag) i z błędem przestrzennym (error)
# (korzysta z powiaty, nb, W, lw, kol, motyw z przepisów 1 i 3)
library(spdep); library(spatialreg); library(ggplot2)

ols <- lm(na1000 ~ domy + dochod, data = powiaty)
cat("OLS: współczynniki\n"); print(round(summary(ols)$coefficients, 3))
cat("R² =", sub("^0", "", round(summary(ols)$r.squared, 3)), "\n")
mr <- lm.morantest(ols, lw)
cat("I Morana dla reszt OLS =", round(mr$estimate[[1]], 3), "| p =", signif(mr$p.value, 2), "\n")
lag0 <- lagsarlm(na1000 ~ 1, data = powiaty, listw = lw)      # model bez zmiennych objaśniających
lag  <- lagsarlm(na1000 ~ domy + dochod, data = powiaty, listw = lw)
err  <- errorsarlm(na1000 ~ domy + dochod, data = powiaty, listw = lw)
cat("Lag bez zmiennych: rho =", round(lag0$rho, 3), "\n")
cat("Lag ze zmiennymi: rho =", round(lag$rho, 3), "| SE =", round(lag$rho.se, 3), "| p =", signif(summary(lag)$LR1$p.value, 2), "\n")
cat("Error: lambda =", round(err$lambda, 3), "| SE =", round(err$lambda.se, 3), "\n")
cat("AIC: OLS", round(AIC(ols), 1), "| lag", round(AIC(lag), 1), "| error", round(AIC(err), 1), "\n")
cat("I Morana reszt: lag", round(moran.test(residuals(lag), lw)$estimate[[1]], 3),
    "| error", round(moran.test(residuals(err), lw)$estimate[[1]], 3), "\n")
eff <- impacts(lag, listw = lw)                               # efekt bezpośredni, pośredni (przez sąsiadów) i łączny
cat("Lag – efekty zmiennej domy: bezpośredni", round(eff$direct[1], 3), "pośredni", round(eff$indirect[1], 3),
    "łączny", round(eff$total[1], 3), "\n")

wsp <- rbind(
  data.frame(model = "OLS", zm = c("domy", "dochod"), b = coef(ols)[2:3], se = summary(ols)$coefficients[2:3, 2]),
  data.frame(model = "błąd przestrzenny", zm = c("domy", "dochod"), b = coef(err)[3:4] , se = err$rest.se[2:3]),
  data.frame(model = "opóźnienie przestrzenne", zm = c("domy", "dochod"), b = coef(lag)[3:4], se = lag$rest.se[2:3]))
wsp$zm <- factor(wsp$zm, c("domy", "dochod"), c("+1 pp domów jednorodzinnych", "+1 tys. zł dochodu"))
wsp$model <- factor(wsp$model, c("OLS", "błąd przestrzenny", "opóźnienie przestrzenne"))
print(transform(wsp, b = round(b, 3), se = round(se, 3)), row.names = FALSE)

# Naśladownictwa w danych nie ma (przepis 1). Jak często model lag i tak „widzi” istotne rho > 0?
# 200 nowych zbiorów z tymi samymi parametrami, bez wpływu sąsiadów na sprzedaż
set.seed(6904)
istotne <- replicate(200, {
  d <- generuj()                                              # ta sama funkcja co w przepisie 1
  m <- lagsarlm(na1000 ~ domy + dochod, data = d, listw = lw)
  summary(m)$LR1$p.value < 0.05 && m$rho > 0
})
cat("Istotne rho > 0 w modelu lag bez naśladownictwa:", 100 * mean(istotne), "% z 200 (błąd MC",
    round(100 * sqrt(mean(istotne) * (1 - mean(istotne)) / 200), 1), "pp)\n")

p5 <- ggplot(wsp, aes(b, model, colour = model, shape = model)) +
  geom_errorbar(aes(xmin = b - 1.96 * se, xmax = b + 1.96 * se), width = 0.2, linewidth = 0.9, orientation = "y") +
  geom_point(size = 3.2) +
  facet_wrap(~ zm, scales = "free_x") +
  scale_colour_manual(values = c(kol[["szary"]], kol[["niebieski"]], kol[["cynober"]]), guide = "none") +
  scale_shape_manual(values = c(16, 15, 17), guide = "none") +
  labs(title = "Ten sam związek w trzech modelach (95% CI)",
       subtitle = "W modelu z opóźnieniem to nie cały efekt – dochodzi część „przez sąsiadów”",
       x = "Zmiana instalacji na 1000 gospodarstw", y = NULL) + motyw
p5   # zapis: ggsave("fotowoltaika-ols-lag-error.svg", p5, width = 10, height = 4.8)
Wynik w R
OLS: współczynniki
            Estimate Std. Error t value Pr(>|t|)
(Intercept)  -19.581      1.508 -12.988        0
domy           0.179      0.014  12.780        0
dochod         5.986      0.420  14.261        0
R² = .763 
I Morana dla reszt OLS = 0.33 | p = 2.3e-10 
Lag bez zmiennych: rho = 0.7 
Lag ze zmiennymi: rho = 0.36 | SE = 0.066 | p = 2e-07 
Error: lambda = 0.614 | SE = 0.09 
AIC: OLS 490.7 | lag 465.6 | error 462.6 
I Morana reszt: lag 0.094 | error -0.007 
Lag – efekty zmiennej domy: bezpośredni 0.151 pośredni 0.078 łączny 0.229 
                   model                          zm     b    se
                     OLS +1 pp domów jednorodzinnych 0.179 0.014
                     OLS          +1 tys. zł dochodu 5.986 0.420
       błąd przestrzenny +1 pp domów jednorodzinnych 0.176 0.016
       błąd przestrzenny          +1 tys. zł dochodu 5.130 0.394
 opóźnienie przestrzenne +1 pp domów jednorodzinnych 0.146 0.014
 opóźnienie przestrzenne          +1 tys. zł dochodu 5.142 0.395
Istotne rho > 0 w modelu lag bez naśladownictwa: 98 % z 200 (błąd MC 1 pp)

6. Regresja geograficznie ważona: Rysunek 6

Dane wejściowe: powiaty i ols z przepisów 1 i 5; ziarno 6905 dla testu Monte Carlo.

Co odczytać: pasmo, AICc obu modeli, zakres lokalnego efektu, zgodność z prawdą (południe, północ, korelacja) i p z testu Monte Carlo.

R
# Przepis 6. Regresja geograficznie ważona (GWR): pasmo adaptacyjne wg AICc i mapa lokalnych współczynników
# (korzysta z powiaty, ols, kol, motyw, bez_osi z przepisów 1 i 5)
library(GWmodel); library(sf); library(ggplot2); library(patchwork)

dane_sp <- as(st_sf(st_drop_geometry(powiaty[, c("na1000", "domy", "dochod")]),
                    geometry = st_centroid(st_geometry(powiaty))), "Spatial")   # GWR liczy na środkach powiatów
invisible(capture.output(                                    # bw.gwr wypisuje każdy krok szukania – ukrywamy
  bw <- bw.gwr(na1000 ~ domy + dochod, data = dane_sp, approach = "AICc", kernel = "bisquare", adaptive = TRUE)))
gw <- gwr.basic(na1000 ~ domy + dochod, data = dane_sp, bw = bw, kernel = "bisquare", adaptive = TRUE)
cat("Pasmo adaptacyjne:", bw, "najbliższych powiatów\n")
# AICc modelu globalnego tym samym wzorem co w GWmodel (ślad macierzy kapelusza = 3 parametry)
n <- 120; s <- sqrt(sum(residuals(ols)^2) / n)
aicc_ols <- 2 * n * log(s) + n * log(2 * pi) + n * (n + 3) / (n - 2 - 3)
cat("AICc: OLS", round(aicc_ols, 1), "| GWR", round(gw$GW.diagnostic$AICc, 1),
    "| efektywna liczba parametrów GWR:", round(gw$GW.diagnostic$enp, 1), "\n")
powiaty$b_domy <- gw$SDF$domy * 10                            # efekt +10 pp domów
cat("Lokalny efekt +10 pp domów: od", round(min(powiaty$b_domy), 2), "do", round(max(powiaty$b_domy), 2),
    "| OLS (jeden dla wszystkich):", round(10 * coef(ols)[["domy"]], 2), "\n")
cat("Korelacja z prawdziwym lokalnym efektem: r =", sub("^0", "", round(cor(powiaty$b_domy, powiaty$efekt_prawd), 2)), "\n")
poludnie <- powiaty$y < 2.6; polnoc <- powiaty$y > 5.2
cat("Średni efekt +10 pp: południe (3 dolne rzędy) GWR", round(mean(powiaty$b_domy[poludnie]), 2),
    "prawda", round(mean(powiaty$efekt_prawd[poludnie]), 2), "| północ (3 górne rzędy) GWR",
    round(mean(powiaty$b_domy[polnoc]), 2), "prawda", round(mean(powiaty$efekt_prawd[polnoc]), 2), "\n")
set.seed(6905)
# test Monte Carlo stałości współczynników (99 losowań położeń); funkcja sama wypisuje tabelę p
mcg <- gwr.montecarlo(na1000 ~ domy + dochod, data = dane_sp, nsims = 99, kernel = "bisquare", adaptive = TRUE, bw = bw)

granice <- range(c(powiaty$b_domy, powiaty$efekt_prawd))
skala <- scale_fill_viridis_c(option = "cividis", limits = granice, name = "Efekt +10 pp domów (instalacje na 1000 gosp.)")
p6a <- ggplot(powiaty) + geom_sf(aes(fill = efekt_prawd), colour = "white", linewidth = 0.3) + skala +
  labs(title = "A. Prawda (znana, bo dane są fikcyjne)") + mapa + motyw + bez_osi
p6b <- ggplot(powiaty) + geom_sf(aes(fill = b_domy), colour = "white", linewidth = 0.3) + skala +
  labs(title = paste0("B. GWR (pasmo: ", bw, " powiatów)")) + mapa + motyw + bez_osi
p6 <- (p6a + p6b) + plot_layout(guides = "collect") &
  theme(legend.position = "bottom") & guides(fill = guide_colourbar(barwidth = 16, barheight = 0.6, title.position = "top"))
p6   # zapis: ggsave("fotowoltaika-gwr-mapa.svg", p6, width = 10, height = 5.6)
Wynik w R
Pasmo adaptacyjne: 34 najbliższych powiatów
AICc: OLS 491 | GWR 443.9 | efektywna liczba parametrów GWR: 31.8 
Lokalny efekt +10 pp domów: od -0.07 do 2.7 | OLS (jeden dla wszystkich): 1.79 
Korelacja z prawdziwym lokalnym efektem: r = .73 
Średni efekt +10 pp: południe (3 dolne rzędy) GWR 2.04 prawda 2.13 | północ (3 górne rzędy) GWR 0.93 prawda 0.54 

Tests based on the Monte Carlo significance test

            p-value
(Intercept)    0.00
domy           0.00
dochod         0.04

7. Sprawdzenie palety (deuteranopia i protanopia)

Dane wejściowe: nic – pary kolorów z rysunków.

Co odczytać: odległość barw (ΔE w CIELAB) przy typowym widzeniu i po symulacji zaburzeń; pary z małym ΔE rozróżniają dodatkowo litery i kształty.

R
# Przepis 7. Czy paleta przetrwa zaburzenia widzenia barw? Symulacja w pakiecie colorspace
library(colorspace)
pary <- list("skupisko WW – skupisko NN" = c("#D55E00", "#0072B2"), "WW – WN (odstający wysoki)" = c("#D55E00", "#E69F00"),
             "NN – NW (odstający niski)" = c("#0072B2", "#56B4E9"), "WN – NW" = c("#E69F00", "#56B4E9"),
             "OLS – błąd przestrzenny" = c("grey55", "#0072B2"), "błąd – opóźnienie" = c("#0072B2", "#D55E00"),
             "cividis: dół – góra skali" = viridisLite::cividis(2),
             "czerwony – zielony (do unikania)" = c("#E41A1C", "#4DAF4A"))
roznica <- function(k) {           # odległość barw w przestrzeni CIELAB (ΔE)
  k <- rgb(t(col2rgb(k)), maxColorValue = 255)
  lab <- coords(as(hex2RGB(k), "LAB")); sqrt(sum((lab[1, ] - lab[2, ])^2))
}
round(t(sapply(pary, function(k) c(widzenie_typowe = roznica(k), deuteranopia = roznica(deutan(rgb(t(col2rgb(k)), maxColorValue = 255))),
                                   protanopia = roznica(protan(rgb(t(col2rgb(k)), maxColorValue = 255)))))), 1)
Wynik w R
                                 widzenie_typowe deuteranopia protanopia
skupisko WW – skupisko NN                  114.6        108.3       91.9
WW – WN (odstający wysoki)                  33.4         18.4       24.9
NN – NW (odstający niski)                   26.4         24.7       24.6
WN – NW                                    113.1        111.4      101.5
OLS – błąd przestrzenny                     43.2         47.1       39.2
błąd – opóźnienie                          114.6        108.3       91.9
cividis: dół – góra skali                  135.2        134.0      136.7
czerwony – zielony (do unikania)           121.7         21.1       31.6

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3. Siatkę powiatów zbudowano pakietem sf, sąsiedztwo, I Morana i LISA policzono pakietem spdep, modele z opóźnieniem i z błędem przestrzennym – pakietem spatialreg, a GWR – pakietem GWmodel; OLS to funkcja lm() z pakietu stats. Rysunki wykonano w pakiecie ggplot2 (skala cividis z pakietu viridisLite), panele złożono pakietem patchwork i zapisano pakietem svglite, a paletę sprawdzono pakietem colorspace. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. sf (wersja 1.1.3): Pebesma, E. (2018). Simple features for R: Standardized support for spatial vector data. The R Journal, 10(1), 439–446. https://doi.org/10.32614/RJ-2018-009
  3. spdep (wersja 1.4-2): Bivand, R. (2026). spdep: Spatial dependence: Weighting schemes, statistics (R package version 1.4-2) [Computer software]. https://CRAN.R-project.org/package=spdep
  4. spatialreg (wersja 1.4-3): Bivand, R., & Piras, G. (2015). Comparing implementations of estimation methods for spatial econometrics. Journal of Statistical Software, 63(18), 1–36. https://doi.org/10.18637/jss.v063.i18
  5. GWmodel (wersja 2.4-1): Lu, B., Harris, P., Charlton, M., Brunsdon, C., & Nakaya, T. (2024). GWmodel: Geographically-weighted models (R package version 2.4-1) [Computer software]. https://CRAN.R-project.org/package=GWmodel
  6. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  7. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  8. viridisLite (wersja 0.4.3): Garnier, S., Ross, N., Rudis, R., Camargo, P. A., Sciaini, M., & Scherer, C. (2026). viridis(Lite): Colorblind-friendly color maps for R [Computer software]. https://doi.org/10.5281/zenodo.4678326
  9. colorspace (wersja 2.1.2): Zeileis, A., Fisher, J. C., Hornik, K., Ihaka, R., McWhite, C. D., Murrell, P., Stauffer, R., & Wilke, C. O. (2020). colorspace: A toolbox for manipulating and assessing colors and palettes. Journal of Statistical Software, 96(1). https://doi.org/10.18637/jss.v096.i01
  10. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An 'SVG' graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Pułapki

  • Małe powiaty. Skrajne kolory i część skupisk to szum małych mianowników. Pokaż lejek albo modeluj liczbę instalacji (np. regresja dwumianowa z wagą liczby gospodarstw).
  • Wybór sąsiedztwa po wyniku. I spadło z 0.47 do 0.35 przy szerszym sąsiedztwie. Zmienianie macierzy, aż wynik będzie „lepszy”, to ukryte wielokrotne porównania.
  • „Efekt sąsiada” to nie zawsze naśladownictwo. Istotne ρ wychodzi też wtedy, gdy podobni klienci po prostu mieszkają blisko siebie. Bez eksperymentu nie odróżnisz korelacji od przyczynowości.
  • Mapa LISA jako lista celów. Bez poprawki na 120 testów część skupisk pojawi się przypadkiem; po FDR tu nie zostało nic.
  • Przeuczona GWR. Wąskie pasmo dopasowuje szum (przeuczenie). Patrz na AICc, test Monte Carlo i spójność plam z wiedzą o rynku, a nie na pojedyncze powiaty na brzegu mapy.
  • Prawdziwe granice. Na realnej mapie wynik zależy też od podziału na jednostki: powiaty dadzą inny obraz niż gminy. Gdy interesuje cię ciągła powierzchnia, a nie obszary, sięga się po kriging.

Najczęstsze pytania

Jak sprawdzić, czy sprzedaż w regionach tworzy skupiska na mapie?

Policz globalne I Morana dla wyniku na mieszkańca lub gospodarstwo i sprawdź je testem permutacyjnym: przetasuj wyniki między obszarami, np. 999 razy, i zobacz, jak często I jest co najmniej tak duże. W przykładzie I = 0.47, a największe I z permutacji 0.159, więc p = .001. Najpierw jednak ustal, kto jest sąsiadem – od tego zależy wynik.

Jak czytać mapę skupisk LISA w analizie sprzedaży?

LISA daje każdemu obszarowi lokalne I Morana i typ: wysoki wśród wysokich (WW), niski wśród niskich (NN) albo odstający od sąsiadów (WN, NW). W przykładzie przy p < .05 było 14 powiatów WW i 13 NN, ale to 120 testów naraz: po korekcie Benjaminiego–Hochberga nie został żaden. Traktuj mapę jako wskazówkę, gdzie patrzeć.

Model z opóźnieniem przestrzennym czy z błędem przestrzennym?

Model z opóźnieniem zakłada, że wynik obszaru zależy od wyników sąsiadów, a model z błędem – że skorelowane są tylko reszty, np. przez pominięty czynnik regionalny. Porównaj AIC i autokorelację reszt. W przykładzie lepszy był model z błędem (AIC = 462.6 wobec 465.6), a istotne ρ w modelu z opóźnieniem pojawiało się w 98% danych bez żadnego naśladownictwa.

Kiedy w marketingu użyć regresji geograficznie ważonej (GWR)?

Gdy podejrzewasz, że ten sam czynnik działa różnie w różnych regionach, np. odsetek domów jednorodzinnych mocniej podnosi sprzedaż na południu. W przykładzie GWR z pasmem 34 powiatów miała AICc 443.9 wobec 491.0 dla OLS, a lokalny efekt +10 pp domów wahał się od −0.07 do 2.70. Pamiętaj, że plamy mogą też wynikać z pominiętej zmiennej.

Jak wybrać macierz wag przestrzennych dla powiatów?

Najczęściej sąsiad to obszar ze wspólną granicą, a wagi standaryzuje się wierszami (każdy sąsiad dostaje 1 / liczba sąsiadów). Inne opcje to k najbliższych obszarów albo odległość. W przykładzie I Morana wyniosło 0.469 przy wspólnej granicy, 0.472 przy 4 najbliższych i 0.346 przy dwóch pierścieniach sąsiadów – wybierz macierz przed analizą i uzasadnij ją w pracy.

Powiązane hasła

Przeczytaj też

Analizujesz sprzedaż w regionach albo dane przestrzenne w pracy?

Pomożemy zdefiniować sąsiedztwo, policzyć I Morana i LISA, dobrać model przestrzenny lub GWR oraz opisać wyniki i ich ograniczenia tak, żebyś umiał(a) je obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical Analysis, 27(2), 93–115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x ● Otwarty dostęp
  2. Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically weighted regression: A method for exploring spatial nonstationarity. Geographical Analysis, 28(4), 281–298. https://doi.org/10.1111/j.1538-4632.1996.tb00936.x ● Otwarty dostęp
  3. Dormann, C. F., McPherson, J. M., Araújo, M. B., Bivand, R., Bolliger, J., Carl, G., Davies, R. G., Hirzel, A., Jetz, W., Kissling, W. D., Kühn, I., Ohlemüller, R., Peres-Neto, P. R., Reineking, B., Schröder, B., Schurr, F. M., & Wilson, R. (2007). Methods to account for spatial autocorrelation in the analysis of species distributional data: A review. Ecography, 30(5), 609–628. https://doi.org/10.1111/j.2007.0906-7590.05171.x ● Otwarty dostęp: pełny tekst
  4. Gelman, A., & Price, P. N. (1999). All maps of parameter estimates are misleading. Statistics in Medicine, 18(23), 3221–3234. https://doi.org/10.1002/(sici)1097-0258(19991215)18:23<3221::aid-sim312>3.0.co;2-m
  5. Gollini, I., Lu, B., Charlton, M., Brunsdon, C., & Harris, P. (2015). GWmodel: An R package for exploring spatial heterogeneity using geographically weighted models. Journal of Statistical Software, 63(17). https://doi.org/10.18637/jss.v063.i17 ● Otwarty dostęp
  6. Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1–2), 17–23. https://doi.org/10.1093/biomet/37.1-2.17

Cytowania BibTeX

@article{anselin1995local, author={Anselin, Luc}, title={{Local indicators of spatial association—LISA}}, journal={Geographical Analysis}, year={1995}, volume={27}, number={2}, pages={93--115}, doi={10.1111/j.1538-4632.1995.tb00338.x}}
@article{brunsdon1996geographically, author={Brunsdon, Chris and Fotheringham, A. Stewart and Charlton, Martin E.}, title={{Geographically weighted regression: A method for exploring spatial nonstationarity}}, journal={Geographical Analysis}, year={1996}, volume={28}, number={4}, pages={281--298}, doi={10.1111/j.1538-4632.1996.tb00936.x}}
@article{dormann2007methods, author={Dormann, Carsten F. and McPherson, Jana M. and Araújo, Miguel B. and Bivand, Roger and Bolliger, Janine and Carl, Gudrun and Davies, Richard G. and Hirzel, Alexandre and Jetz, Walter and Kissling, W. Daniel and Kühn, Ingolf and Ohlemüller, Ralf and Peres-Neto, Pedro R. and Reineking, Björn and Schröder, Boris and Schurr, Frank M. and Wilson, Robert}, title={{Methods to account for spatial autocorrelation in the analysis of species distributional data: A review}}, journal={Ecography}, year={2007}, volume={30}, number={5}, pages={609--628}, doi={10.1111/j.2007.0906-7590.05171.x}}
@article{gelman1999all, author={Gelman, Andrew and Price, Phillip N.}, title={{All maps of parameter estimates are misleading}}, journal={Statistics in Medicine}, year={1999}, volume={18}, number={23}, pages={3221--3234}, doi={10.1002/(sici)1097-0258(19991215)18:23<3221::aid-sim312>3.0.co;2-m}}
@article{gollini2015gwmodel, author={Gollini, Isabella and Lu, Binbin and Charlton, Martin and Brunsdon, Christopher and Harris, Paul}, title={{GWmodel: An R package for exploring spatial heterogeneity using geographically weighted models}}, journal={Journal of Statistical Software}, year={2015}, volume={63}, number={17}, doi={10.18637/jss.v063.i17}}
@article{moran1950notes, author={Moran, Patrick A. P.}, title={{Notes on continuous stochastic phenomena}}, journal={Biometrika}, year={1950}, volume={37}, number={1–2}, pages={17--23}, doi={10.1093/biomet/37.1-2.17}}
R