J'apporte un soutien statistique à un service de santé publique. Comme vous pouvez l'imaginer, nous préparons régulièrement de nombreuses cartes. Pour moi, les cartes ne sont qu'un autre type de visualisation de données - utile pour avoir une idée des données, pour générer et vérifier des hypothèses, etc. Mais nous ne suivons pas souvent la modélisation réelle et les tests d' hypothèse .
Comment procédez-vous / votre organisation à ce sujet? À quoi ressemble un flux de travail qui inclut l'inférence? Qui est impliqué? Quels outils utilisez-vous? À quoi cela ressemblerait- il idéalement si vous aviez votre chemin?
Merci!
ÉDITER
Pour être clair, je suis curieux de connaître différentes stratégies pour passer des données spatiales aux tests statistiques formels d'hypothèses sur ce qui se passe dans le monde. Par exemple, disons que j'essaie de cibler une campagne éducative pour augmenter le dépistage de la tuberculose. Personnellement, je tracerais les cas de tuberculose contre les covariables d'intérêt (disons, le revenu médian ou le pourcentage de résidents nés à l'étranger) et j'essaierais de voir s'il y a des tendances.
Je pourrais ou non en trouver; mais je finirais par construire un modèle pour estimer l'association entre ces covariables et le nombre de données démographiques. Il s'agit d'une étape critique en raison de la capacité des humains à trouver des modèles là où il n'en existe pas, ou à en trouver des sans intérêt. Je sais comment le faire par moi-même, mais je suis curieux de savoir comment les différentes organisations l'institutionnalisent (le cas échéant).