Los gobiernos y los organismos de estadística facilitan datos de una serie de temas (mortalidad, población, variables socioeconómicas, etc.) a menudo a nivel de área para diferentes regiones administrativas. La visualización de datos espaciales es importante, ya que puede proporcionar indicios sobre las relaciones entre las diferentes variables de estudio.
Sin embargo, se requiere un análisis estadístico serio para evaluar y confirmar cualquier posible relación, teniendo en cuenta la comprensión de las particularidades y sutilezas de la modelización espacial. En particular, y como primer paso al analizar datos a nivel de área, la evaluación de la autocorrelación espacial. Además, la construcción de modelos de regresión espacial puede sacar a la luz dependencias importantes entre la variable de interés y otras covariables.
Algunos de estos modelos se desarrollaron inicialmente en los campos de la cartografía de enfermedades y la econometría espacial, que han dado un gran impulso a las estadísticas espaciales para crecer como disciplina, así como proporcionar una serie de relevantes modelos estadísticos. La mayoría de estos métodos estadísticos están disponibles en el software estadístico R, que se ha convertido en una herramienta básica para la visualización y análisis de datos espaciales.
Por esta razón, se desarrollarán varios ejemplos prácticos de mapeo de enfermedades y econometría espacial con el software estadístico R para ilustrar el análisis de datos espaciales.
