Spatial data analysis. An introduction to spatial autocorrelation and spatial regression analysis

Many research questions require analysis of complex patterns of interrelated social, behavioral, economic and environmental phenomena. In addressing these questions, it is increasingly argued that both spatial thinking and spatial analytical perspectives have an important role to play. Indeed, research on social stratification and inequality, health, mortality and fertility and many other issues depends on the collection and analysis of individual and context-level data.

Download and read the full document : spatial_data_analysis

 

Mapping tweets “JeSuisCharlie”, 11 January 2015

On sunday 11 january 2015, 3.7 million people marched across France to tribute the victims that were killed earlier that week by terrorist attacks.  Elsewhere in the world, crowds gathered in shows of solidarity with “JeSuisCharlie”.

We followed the stream of “JeSuisCharlie” tweets during one hour that day.  A total of 261.117 tweets were gathered during that time frame, 167.722 of which (64,2 %) could be geolocated.

In this post we visualise these geolocated tweets on a hexbin map of the world.  The R-code to produce the hexbin map is documented.

Download and read the full document : mapping_tweets_JeSuisCharlie

Kiezersstromen in Vlaanderen, 2010 – 2014

Bij de federale verkiezingen van 25 mei 2014 kwamen de NV-A aan Vlaamse zijde en MR en FDF in Wallonië als grootste overwinnaars uit de bus.  Een berekening van de verschuivingen in het stemgedrag toont aan dat het kiezerskorps in beide landsdelen weliswaar volatiel is, maar er kan niet gesproken worden van een politieke aardverschuiving.  Deze laatste vaststelling neemt niet weg dat verschuivingen in het stemmenaantal tussen de partijen, veranderingen in het individueel stemgedrag onderbelicht laten.  Om de volatiteit in het individueel stemgedrag in kaart te brengen, verrichtten Dassonneville en Baudewyns een survey-onderzoek onder 1.224 respondenten van wie het stemgedrag in mei 2014 vergeleken werd met de voorgaande verkiezingen van juni 20101.

Op basis van deze individuele gegevens kwamen de onderzoekers tot de vastelling dat meer dan 4 op de 10 kiezers van de ene naar de andere verkiezing van partij wisselen.  Verschuivingen tussen de partijen laten de individuele volatiliteit in het stemgedrag onderbelicht.

Om de kiezersstromen in Vlaanderen te visualiseren, zijn de onderzoeksresultaten van Dassonneville en Baudewyns gevisualiseerd met behulp van een zgn. Sankey-diagram.  Hierbij is gebruik gemaakt van RAWGraphs (https://rawgraphs.io).

transitiematrix_vl_2010_2014