====== Índices em Curitiba ======

Instalando os pacotes (se necessário)
<code R>
install.packages(c("maptools", "sp", "spdep", "classInt", "RColorBrewer"), dep=T)
</code>


Carregando pacotes necessários
<code R>
require(maptools)     ## funções para importação/expostação e manipulação de mapas e dados geográficos    
gpclibPermit()        ## função para habilitar licença de uso
require(sp)           ## (classes) para representação de dados espaciais no R 
require(spdep)        ## funções análises de dados de áreas
require(classInt)     ## rotinas para faclitar a divisão de dados em classes por vários critérios
require(RColorBrewer) ## usada aqui para criar palhetas de cores nas visualizações em mapas
</code>

Salvando configuração padrão de gráficos
<code R>
par.ori <- par(no.readonly=TRUE)
</code>


<fs medium>Índices em Bairros de Curitiba</fs>

Primeiro voce deve copiar  os 3 arquivos ''bairros.*'' para sua pasta de trabalho.\\
Lendo dados tipo shapefiles.
<code R>
ctba <- readShapePoly("dados/bairros.shp", IDvar="CODE")
plot(ctba)

head(ctba@data)
ctba@data$NOME <- as.character(ctba@data$NOME)

## mudança de codificação de caracteres (só use se necessário, 
## depende do sistema operacional e do enconding do sistema)
## Veja os nomes dos unicípios e se os acentos aparecem corretamente
#Encoding(ctba@data$NOME)
#Encoding(ctba@data$NOME) <- "latin1"
#ctba@data$NOME <- enc2native(ctba@data$NOME)
#head(ctba@data)
</code>

Lendo agroa a tabela de atributos
<code R>
tb <- read.csv("dados/tabe.csv", enc="latin1")
head(tb) ## ops nao importou corretamente assim!

## vamos importar de outra forma:
tb <- read.table("dados/tabe.csv", sep=";", head=T, enc="latin1")
head(tb)
str(tb)
</code>

Os dados de diferentes origens não necessariamente estão na mesma ordem.\\
É necessário checar e reordenar se necessário
<code R> 
ind <- match(ctba@data$CODE, tb$CODE)
ind

tb <- tb[ind,]
row.names(tb) <- ctba$CODE

ctba <- spCbind(ctba, tb)

names(ctba)
head(ctba@data)
</code>

Visualizando um mapa do atributo: Segurança
<code R>
#INT <- classIntervals(ctba$Segurança, n=5, style="quantile")
INT <- classIntervals(ctba$Segurança, style="fixed", fixedBreaks=c(0, 20, 40, 60, 80, 100))
CORES.5 <- c(rev(brewer.pal(3, "Blues")), brewer.pal(3, "Reds"))[-1]  ## tirando uma cor no final
COL <- findColours(INT, CORES.5)

plot(ctba, col=COL)
title("Segurança")

TB <- attr(COL, "table")
legtext <- paste(names(TB))  #, " (", TB, ")", sep="")
legend("bottomright", fill=attr(COL, "palette"), legend=legtext, bty="n")
</code>

Calculando vizinhanças (segundo um critério de vizinhança -- note que há outros!!!)
<code R>
ctba.nb1 <- poly2nb(ctba)
args(poly2nb)
## OBS: outros tipos de vizinhanças podem ser calculados:
##      - mudando argumentos de poly2nb
##      - usando outras funções de vizinhança tal como:  dnearneigh() and knearneigh()
</code>

Algumas análises
<code R>
## Moran global
moran.test(ctba$Segurança, listw=nb2listw(ctba.nb1))
args(moran.test)

moran.mc(ctba$Segurança, listw=nb2listw(ctba.nb1), nsim=99)
args(moran.mc)

## Uma alternativa ao Moran: estatística de Geary
geary.test(ctba$Segurança, listw=nb2listw(ctba.nb1))


## Moran na presença de covariáveis (substituir 1 por covariaveis abaixo)
## faz Moran em resíduos
lm.morantest(lm(ctba$Segurança ~1), listw=nb2listw(ctba.nb1))
lm.morantest.exact(lm(ctba$Segurança ~1), listw=nb2listw(ctba.nb1))


## Moran local (um tipo de LISA - Local Indicator of Spatial Association)
ctba.mloc <- localmoran(ctba$Segurança, listw=nb2listw(ctba.nb1, style="C"))
ctba.mloc

## Fazendo um mapa dos índices de Moran local
head(ctba.mloc)
range(ctba.mloc[,1])
INT <- classIntervals(ctba.mloc[,1], style="fixed", fixedBreaks=seq(-1, 2.5, by=0.5))
CORES.7 <- c(rev(brewer.pal(3, "Blues")), brewer.pal(4, "Reds"))
COL <- findColours(INT, CORES.7)

plot(ctba, col=COL)
title("I de Moran Local para Segurança")

TB <- attr(COL, "table")
legtext <- paste(names(TB))  #, " (", TB, ")", sep="")
legend("bottomright", fill=attr(COL, "palette"), legend=legtext, bty="n") #, cex=0.9, y.inter=0.8)

## uma visualização com outro tipo de fatiamento (por quantis)
INT <- classIntervals(ctba$Segurança, n=7, style="quantile", dataPrecision=2)
#INT <- classIntervals(ctba$Segurança, n=5, style="sd")
CORES.7 <- c(rev(brewer.pal(3, "Blues")), brewer.pal(4, "Reds"))
COL <- findColours(INT, CORES.7)
plot(ctba, col=COL)
title("I de Moran Local para Segurança")

TB <- attr(COL, "table")
legtext <- paste(names(TB))  #, " (", TB, ")", sep="")
legend("bottomright", fill=attr(COL, "palette"), legend=legtext, bty="n") #, cex=0.9, y.inter=0.8)


## Poderia-se fazer tb um mapa dos índices de Moran local padronizados!


## Mapa das probabilidades (significâncias do I de Moral local)
head(ctba.mloc)
INT <- classIntervals(ctba.mloc[,5], style="fixed", fixedBreaks=c(0, 0.001, 0.01, 0.05, 0.10, 0.20, 1))
CORES.6 <- c(rev(brewer.pal(5, "Reds")), brewer.pal(5, "Blues"))
COL <- findColours(INT, CORES.6)

plot(ctba, col=COL)
title("p-valores do I de Moran Local para Segurança")

TB <- attr(COL, "table")
legtext <- paste(names(TB))  #, " (", TB, ")", sep="")
legend("bottomright", fill=attr(COL, "palette"), legend=legtext, bty="n", cex=0.9, y.inter=0.8)


##  LISA Map (+/+) , (-,-), (+,-), (-,+)

## calculando a médias dos atributos locais (padronizados) com os dos vizinhos 
head(ctba.mloc)
## montando matrix W de vizinhança
ctba.nb1.mat <- nb2mat(ctba.nb1)

## Segurança Padronizada
Segurança_SD <- scale(ctba$Segurança)
## Cálculo da média da Segurança Padronizada nos vizinhos
Segurança_W <- ctba.nb1.mat %*% Segurança_SD

## Diagrama de espalhamento de Moran
plot(Segurança_SD, Segurança_W)
abline(v=0, h=0)

## Montando o mapa do espalhamento de Moran
Q <- ifelse((Segurança_SD>=0 & Segurança_W >=0), 1, 0)
Q[(Segurança_SD<0 & Segurança_W < 0)] <- 2
Q[(Segurança_SD>=0 & Segurança_W < 0)] <- 3
Q[(Segurança_SD<0 & Segurança_W >= 0)] <- 4
table(Q)


CORES.4 <- c("blue", "green" , "red", "yellow")
plot(ctba, col=CORES.4[Q])
title("Mapa LISA")
legend("bottomright", c("Q(+/+)", "Q(-/-)", "Q(+/-)", "Q(-/+)"), fill=CORES.4)


## Fazer análises para outras variáveis destes dados!!! table


## OBS:
## Para dados não contínuos (e normais) modificações e alternativas são usadas!!!
</code>