شبیه‌سازی خُرد فضایی با R ۲۰۱۷
Spatial Microsimulation with R 2017

تولید و تحلیل داده‌های چند سطحی: میکروسیمولیشن فضایی شامل تولید، تجزیه و تحلیل و مدل‌سازی داده‌های سطح فردی است که به مناطق جغرافیایی تخصیص داده می‌شوند. کتاب «میکروسیمولیشن فضایی با R» نخستین کتاب کاربردی است که این رویکرد را در یک زبان برنامه‌نویسی آماری مدرن به تصویر می‌کشد.

بینشی عمیق نسبت به رفتارهای پیچیده کسب کنید: این کتاب از اصول اساسی ترکیب جمعیت شروع شده و به سمت مسائل پیچیده‌تری مانند تخصیص خانوار و استفاده از نتایج میکروسیمولیشن فضایی برای مدل‌سازی مبتنی بر عامل پیش می‌رود. این امر شما را به مهارت‌های لازم برای به‌کارگیری این تکنیک‌ها در موقعیت‌های واقعی مجهز می‌کند. این کتاب روش‌های ترکیب جمعیت را با ترکیب مجموعه‌های داده فردی و تجمیع‌شده جغرافیایی با استفاده از بسته‌های جدید R به نام‌های ipfp و mipfp نشان می‌دهد. این رویکرد از نظر تفکیک‌پذیری فضایی و جزئیات سطح فردی، نشان‌دهنده “بهترینِ هر دو جهان” است و بر مسائل مربوط به محرمانه بودن و قابلیت تکرار داده‌ها غلبه می‌کند.

این روش‌ها را روی داده‌های خود پیاده‌سازی کنید: این کتاب مملو از مثال‌های قابل تکرار با استفاده از کد و داده است و برای دانشجویان و محققان کاربردی در زمینه‌های بهداشت، اقتصاد، حمل و نقل، جغرافیا و سایر زمینه‌هایی که به داده‌های سطح فردی اختصاص داده شده به مناطق جغرافیایی کوچک نیاز دارند، مناسب است. این کتاب با توضیح نحوه استفاده از ابزارها برای مدل‌سازی پدیده‌هایی که در فضا تغییر می‌کنند، دانش شما را از سیستم‌های پیچیده افزایش می‌دهد و شما را قادر می‌سازد تا راهنمایی‌های سیاستی مبتنی بر شواهد ارائه دهید.

Generate and Analyze Multi-Level Data Spatial microsimulation involves the generation, analysis, and modeling of individual-level data allocated to geographical zones. Spatial Microsimulation with R is the first practical book to illustrate this approach in a modern statistical programming language.

Get Insight into Complex BehaviorsThe book progresses from the principles underlying population synthesis toward more complex issues such as household allocation and using the results of spatial microsimulation for agent-based modeling. This equips you with the skills needed to apply the techniques to real-world situations. The book demonstrates methods for population synthesis by combining individual and geographically aggregated datasets using the recent R packages ipfp and mipfp. This approach represents the “best of both worlds” in terms of spatial resolution and person-level detail, overcoming issues of data confidentiality and reproducibility.

Implement the Methods on Your Own DataFull of reproducible examples using code and data, the book is suitable for students and applied researchers in health, economics, transport, geography, and other fields that require individual-level data allocated to small geographic zones. By explaining how to use tools for modeling phenomena that vary over space, the book enhances your knowledge of complex systems and empowers you to provide evidence-based policy guidance.