Ensemble de méthodes statistiques spatiales locales identifiant des zones où les valeurs élevées ou faibles d'une variable se regroupent davantage que ne l'exigerait une distribution aléatoire, produisant typiquement des mesures de signification et des scores z pour chaque emplacement (exemples : Getis-Ord Gi*, Moran local).

Principe

Contraste local et tests de signification : comparer la somme ou la moyenne locale observée dans un voisinage défini à son espérance sous un modèle nul (généralement la randomisation), produire des statistiques standardisées et évaluer la signification en appliquant des corrections appropriées pour tests multiples ou dépendance spatiale.

Démonstration

Application du Getis-Ord Gi* à des points d'incidents criminels horodatés convertit les dénombrements dans des voisinages locaux en scores z Gi* ; la cartographie des scores z élevés significatifs révèle des 'points chauds' persistants pour prioriser les ressources policières.

Mauvaise application

Choisir des tailles de voisinage ou des seuils arbitraires sans analyse de sensibilité, omettre la correction pour tests multiples, ou interpréter des points chauds comme des générateurs causaux du phénomène plutôt que comme lieux d'observations élevées.

Conséquence

Les résultats d'analyse des points chauds permettent des interventions ciblées, l'allocation de ressources, la surveillance et la génération d'hypothèses sur les facteurs locaux ; ils restreignent les zones pour des investigations supplémentaires tout en quantifiant la signification locale.

Inversion

Lissage spatial ou estimation de densité qui produit des surfaces d'intensité continues sans tests statistiques explicites pour le regroupement significatif de valeurs élevées ou faibles.

Limite

Dépend de la définition du voisinage, de l'échelle, du type de données (points, agrégées) et des seuils de signification ; les résultats sont conditionnels au modèle nul choisi et ne prouvent pas en eux‑mêmes la causalité ou la permanence.

Tension sémantique

Diffère de la densité par noyau et de la modélisation du processus ponctuel : l'analyse des points chauds met l'accent sur la signification statistique des regroupements locaux par rapport à un nul, tandis que les surfaces de densité estiment l'intensité sans inférence et les modèles ponctuels formalisent les processus générateurs.

Synthèse

L'analyse des points chauds applique des tests statistiques locaux pour détecter et cartographier les emplacements présentant des concentrations inhabituellement élevées ou faibles d'une variable par rapport à l'espérance, orientant des décisions opérationnelles tout en exigeant une spécification rigoureuse du voisinage, du modèle nul et de la gestion de la signification.