Formules in de geografie.....kwantificeren maar: Revision

Laatst bijgewerkt op 658 dagen geleden door Willem Korevaar

 5/5 Sterren (1)

Welke formules zijn er die je voor het onderzoek naar geografische verschijnselen, gebieden, processen, objecten en locaties etc. zou kunnen gebruiken? Ik bedoel dan niet de gewone als bevolkingsdichtheid of geboortecijfer.....

Het staat een ieder vrij om op deze pagina voorbeelden toe te voegen (typen dus...)....staat open voor leden!
Hoe? Klik in het boven rechts op 'Bewerken'...klaar? Opslaan....

 

1 Locatiequotiënt: (LQ) hiermee kun je de concentratie van een economische activiteit in een bepaalde regio meten. Is deze activiteit regelmatig verspreid of is er een concentratie?  Je rekent dit uit door het aandeel van de beroepsbevolking in een regio te vergelijken met dat van het hele land.

De formule wordt dan aandeel beroepsbev. ec. activiteit in regio/ aandeel beroepsbev. ec activiteit

Het getal dat er uit komt is het LQ.

  • Gelijkmatig verspreid: = 1
  • > 1 is  concentratie

< 1 geen concentratie

Zo kun je dus iets zeggen  over de regionale ongelijkheid in een land. Meer agrarische activiteit kan er op duiden dat het lager ontwikkeld is of erg afhankelijk is van die activiteit.  


2 Rank size rule: is er een ongelijke ontwikkeling in een regio doordat er één stad vele malen groter is dan de rest (primate city)? 

R X B = P

R= rangordenummer van de stad qua inwonertal van het gebeid/land

B= inwonertal (van de stad)

P= het inwonertal van de grootste stad van het land/regio

Voorbeeld: de stad A heeft 1.000.000 inwoners, is daarmee de 3e stad qua rangorde, de grootste stad heeft 10.000.000 inwoners.

3 X 1.000.000 = 3.000.000 = P (de grootste stad zou dus eigenlijk maar max. 3.000.000 inwoners mogen hebben)
De grootste stad is dus vele malen groter dan de de nummer 3 , er is dus sprake van ongelijkheid. 

3 Interactiemodellen: hoe groter de afstand, hoe lager de interactie.

Jean Paul Rodrigue schrijft voor Hofstra university over The Geography of Transport Systems interessante informatie, die ik voor de correctheid onvertaald laat: 

The basic assumption concerning many spatial interaction models is that flows are a function of the attributes of the locations of origin, the attributes of the locations of destination and the friction of distance between the concerned origins and the destinations. The general formulation of the spatial interaction model is as follows:

  • Tij : Interaction between location i (origin) and location j (destination). Its units of measurement are varied and can involve people, tons of freight, traffic volume, etc. It also relates to a time period such as interactions by the hour, day, month, or year.
  • Vi : Attributes of the location of origin i. Variables often used to express these attributes are socio-economic in nature, such as population, number of jobs available, industrial output or gross domestic product.
  • Wj : Attributes of the location of destination j. It uses similar socio-economic variables than the previous attribute.
  • Sij : Attributes of separation between the location of origin i and the location of destination j. Also known as transport friction. Variables often used to express these attributes are distance, transport costs, or travel time.
 
Connectiviteitsindex = een getal waarmee wordt aangegeven hoe goed of hoe slecht plaatsen zijn verbonden door een transportnetwerk in een gebied. De index wordt bepaald door het aantal lijnstukken te delen door het aantal knooppunten. Nederland heeft de hoogste van de wereld (Ghemawat & Altman 2011).
Iemand een afbeelding??
 
Hier aan gekoppeld is de Gamma Index die het proces van de ontwikkeling van netwerken aangeeft. Deze ligt tussen 0 en 1. Waarbij 0 geen en 1 een compleet netwerk aangeeft.
http://people.hofstra.edu/geotrans/eng/methods/gammaindex.html
 
5. Correlatiecoëfficiënt (Pearson)
De correlatiecoëfficiënt geeft aan in hoeverre er een verband is tussen twee variabelen. Je kunt dit met behulp van een spreidingsdiagram analyseren, maar ook uitrekenen, bijvoorbeeld met een spreadsheetprogramma. Het kan echter ook met de hand, dit is niet zo moeilijk. De formule oogt wel wat ingewikkeld: q19189img1.gif, dus bekijk hier hoe je dit uitwerkt.
Om een aardrijkskundig voorbeeld te noemen, in de theorie met betrekking tot het voedselverdelingsvraagstuk staat een tabel waarin je een verband kunt zien tussen het inkomen van een land (BNI per hoofd) en de consumptie van eiwit. In de theorie wordt vaak aangegeven dat met het stijgende inkomen de eiwitconsumptie (veelal dierlijk) ook toeneemt. Dit is een extra belasting van de aarde, omdat de productie van eiwit meestal meer land kost, zeker als het gaat om dierlijk eiwit. Leerlingen kunnen zelf aan de hand van de atlas (of internet) nagaan of dit verband inderdaad zo sterk is. (Blijkt niet persé zo te zijn, het is kennelijk ook sterk cultuurgebonden..)


6. Spearman's Rangcorrelatie (Rs)

De Spearman rangcorrelatie (rs) wordt berekend met de volgende formule:

Formule voor de Spearman rangcorrelatie

De uitkomst uit deze formule ligt altijd tussen de -1 en de +1.

  1. Als de uitkomst exact 1 is, dan is er een perfect verband: de rangorde score op de ene variabele komt overeen met de rangorde score op de andere variabele.
  2. Ook bij -1 is er sprake van een perfecte samenhang alleen is de rangordening precies tegengesteld.
  3. Hoe verder de uitkomst van 1 of -1 afwijkt des te minder komen de rangordescores van de ene variabele overeen met de rangorde score op de andere variabele.
  4. De waarde 0 betekent dat er geen samenhang is tussen beide variabelen.
  5. Hoe meer de waarde van 0 afwijkt des te sterker is het verband.

Zo kun je bv de samenhang berekenen tussen buurten (aantal) inwoners en met (aantal) winkels . Dus hoe meer inwoners hoe meer winkels....
Deze beide kolommen (1 en 2) zet je eerst in een rangorde (kolom 3 en 4) naar grootte. Vervolgens bereken je het verschil tussen beide rangordes (kolom 5 = d), die gaat in het kwadraat (kolom 6 = d²). Het totaal van kolom 6 komt in de RS formule waarbij N het aantal 8 (wijken) is. 

afbRS.png 

In dit geval komt uit de Rs het getal 0.22 en dat ligt dicht bij 0, er is dus geen echt sterk (statistisch) verband. Winkels halen immers ook vaak klanten van buiten de wijk (oorzakelijk verband).

[Willem Korevaar, Malmberg en bron ]