Statistik til kommunal planlægning 2.b Kommuner på kort og kvadratnet v/troels Vestergaard og Erik Sommer
Forståelse af data At man, naar det i Sandhed skal lykkes En at føre et Menneske hen til et bestemt Sted, først og fremmest maa passe paa at finde ham der, hvor han er og begynde der. -Søren Kirkegaard 2
Synopsis Skabe inspiration til brug af DST data Forskellige typer af kort og processen bag Eksempler på typiske opgaver med geo-data i DST Kvadratnet 3
Fem elementer og tre faser Formål: Afsender/modtager Analyse/illustration Virke 4
Seks hurtige eksempler 5
Kort classic Klassisk kort Det her er et rigtigt kort, som viser en meget kedelig vejrudvikling. Tryghed Jeg ved hvor jeg er. Det er tydeligt hvad jeg ser. Afdæmpende farver viser at der nok ikke er nogen grund til panik. Der er tydelig afsender godt for troværdigheden 6
Polygonkort over-lay fra Albertslund Klassisk kort med flere lag godt til direkte kommunikation med interessenter, høj tryghedsgrad. Landskabskort med farvekoder Boligtyper som polygoner Kommunegrænse Zoomfunktion Størrelsesforhold Legende 7
Bufferzonekort med baggrundskort Et kort over infrastrukturen og en støj-buffer. DB er en svær enhed til direkte information via kort, men kortet formår at illustrere den støjforurening, der foregår langs vejene i kommunen. Underliggende landskabskort bemærk at farverne kun kan bruges en gang Kommunegrænse Bufferzoner Zoomfunktion Størrelsesforhold Legende 8
Verden målt i co 2 -udledning Der er arbejdet med formen i kortet. Giver kortet brugeren et detaljeret kendskab til CO2 udledning for det enkelte land? Giver kortet det indtryk at der findes en rummelig forskydning? Er kommunikationen bedre eksekveret end hvis den underliggende tabel havde stået alene? 9
Dødelighed pga. global opvarmning Afsender: Udenrigsministeriet og Danida Modtager: Brugerne af publikation Turen går til de varme lande en anerledes rejsebog. Disse to illustrationer er måske bedre end et tykt debatoplæg? Bolden er givet op 10
Kort over vandets kredsløb Et gammelkendt kort. Hvad de færreste måske tænker over er, at dette kort er forsynet med en kørevejledning. Ret smart hvis man vil påvirke i en bestemt retning og de blå pile er så diskrete, at brugeren ikke nødvendigvis opdager det er pile. Hjælp intuitionen på vej skjulte virkemidler 11
Bag tallene Det journalistiske hjørne Artikel fra Bag tallene 12
Uendeligt mange informationer Ved en Google søgning fås følgende antal hits: Statistics 3.390.000.000 Data 6.570.000.000 Red shoes 342.000.000 13
Uendeligt mange informationer Der findes flere og flere tilgængelige informationer udviklingen går mod øget åbenhed. Flere data og mere statistik, men er det mængden eller kvaliteten, som er afgørende? Det er svært at navigere i den uendelige informationsstrøm derfor er en af nøgleudfordringerne fremadrettet, at finde de mest relevante data. 14
Når statistik møder virkeligheden 15
Data til NYT 604 Indkomst data: Den geografiske inddeling (98 kommuner) Tid (11 år) Typer af indkomst (10) Tilknytning til arbejdsmarkedet : Den geografiske inddeling (98 kommuner) Tid (9 år) Tilknytning til arbejdsmarkedet (3 typer) Forskellige aldersintervaller (3 typer) Samlet matrix (98 * 11 * 10) + (98 * 9 * 3 * 3) = 18.718 celler Eller 48 normalsider... 16
Åbningsbilledet i vores indkomstapp. Gå selv på opdagelse i hele publikationen 17
Ved at skabe overblik skabes ny viden en aktiv bruger 18
Udfordret på metoden Overførselsindkomster er summen af (10+17+22) Pensioner og lign (10) + Dagpenge og lign (17) + Andre overførselsindkomster (22) Pensioner og lign (10) er summen af (11+12+13+14+15+16) 11 Folke- og førtidspension inklusive tillæg 12 ATP pensioner 13 Efterløn 14 Overgangsydelse 15 Tjenestemandspensioner 16 Andre pensioner 19
Udfordret på metoden (fortsat) Dagpenge og lign. (17) er summen af (18+19+20+21) 18 Kontanthjælp 19 Arbejdsløshedsdagpenge 20 Orlovsydelser 21 Andre bistandsydelser Andre overførselsindkomster (22) er summen af (23+24+25) 23 Statens uddannelsesstøtte 24 Boligstøtte 25 Børnetilskud 20
Brug landkortet som en neutral platform Kommune polygonkort med tilhørende attributter Giver mulighed for at løsrive x-aksen og giver intuitivt brugeren mulighed for at fokusere på den relevante af de tre variable altså andelen af 65+ årlige i kommunen. Kortet er minimalistisk og indeholder blot legende, tidsindikation og zoom funktion 21
Neutral fremstilling flere analytiske muligheder 22
Hvorfor placere the rotten banana? peel slowly and see 23
Konkrete opgaver med geo-data fra DST Eksternet definerede områder/polygoner, der ønskes informationer om: Takstzoner, skoledistrikter etc. Takstzoner Uddannelsesadresser Elevregistre Bopælsadresser Forbedret grundlag for ruteplanlægningen for skoleelever 24
Konkrete opgaver med geo-data fra DST Statistik på oplandsområder hvor områdets størrelse er defineret som en radius fra en given adresse: Sygehus, bibliotek etc. Uddannelsesdata Indkomstdata Demografiske data Sundhedsdata Socioøkonomiske data Kontanthjælpsmodtagere Arbejdsmarkedsdata! Populationens størrelse afgør diskretionsgraden 25
På vej mod kvadratnet 26
Kvadratnet statistik på firkanter Anvendelse af kvadratnetdata indenfor Kommuner.
Bopæl- og arbejdstedsadresser Fokus på levering af natbefolkning (antal personer og husstande) samt dagbefolkning (beskæftigede personer) og variabeldata (på husstandsniveau). 28
Adressepunkter Opgangsadresser dvs. kommunekode, vejkode, husnummer samt evt. husbogstav = med 11 cifrede adressekode. Tilknyttet med adressekoordinater er der mulighed for geografisk stedfæstelse på små områder. 29
Kommunerne har ansvar for adresserne Der tildeles en adressekoordinat for samtlige opgangsadresser i Danmark. 30
31
Adressekoordinater samt kvadratnet celleid Easting ETRS89 724858,31 Northing ETRS89 6177481,25 Revisionsdato 05-04-2002 Celle i DDKN 100m 100m_61774_7248 Celle i DDKN 1km 1km_6177_724 Celle i DDKN 10km 10km_617_72 32
Navngivning af kvadratnetceller Northing: 6.177.481 m Easting: 724.858 m 100m_61774_7248 Formel: Prefix+ _ +Str(Div(N/f))+ _ +Str(Div(E/f)) 33
Kvadratnet CelleID 100x100 meter 100m_61775_7247 100m_61775_7248 100m_61775_7249 100m_61774_7247 100m_61774_7248 100m_61774_7249 100m_61773_7247 100m_61773_7248 100m_61773_7249 34
Natbefolkning Grunddatasæt som Byggeklods med optælling af husstande & personer cellid Personer Husstande Komkode 100m_60503_6916 1 1 376 100m_60505_6920 1 1 376 100m_60508_6907 1 1 376 100m_60508_6915 1 1 376 100m_60508_6918 6 2 376 100m_60509_6899 4 1 376 100m_60510_6896 3 2 376 100m_60510_6897 9 4 376 100m_60510_6898 2 1 376 100m_60510_6899 10 4 376 100m_60511_6894 1 1 376 100m_60511_6895 9 5 376 100m_60511_6896 18 11 376 100m_60511_6897 19 10 376 35
36
37
Kvadratnet Variabeldata Eksempel på brug af kvadratnetdata 38
Retningslinier for frigivelse af data Antal husstande (klynger) Data fra Danmarks Statistik 1 19 husstande Ingen data frigives 20 49 husstande Nøgletal gennemsnit 50 99 husstande Få intervalgrupper 100 149 husstande Flere intervalgrupper 150+ husstande Statistiksystemer 39 Inspirationsseminar - Torsdag den 23. november 2006
Metodevalg sammenlægninger af klynger Fysisk nærhed dækningsområder, oplandsområder distriktsinddeling Optimeringsprincip det at finde naboceller der har mest muligt tilfælles (tvillinger) men uden krav om at celler fysisk berører hinanden 40
41
42
Opsummering Adressekoordinater KvadratnetcelleID Nat- og dagbefolkning Kvadratnetklynger Visualisering og mange muligheder.. 43