Celem książki jest przedstawienie progresywnych przestrzennych metod ilościowych użytkowanych w ekonomii, regionalistyce i analizach biznesowych - statystyki przestrzennej, ekonometrii przestrzennej, symulacji Monte Carlo i bootstrap i uczenia maszynowego.
Publikacja ukazuje szczegółowo sposoby analizy, wizualizacji i integracji danych o przeróżnej granulacji: punktowych, obszarowych, gridowych i konturów administracyjnych. Zestawienie wszelkich tych komponentów badań przestrzennych w jednym miejscu czyni z tej książki kompleksowy przewodnik projektowania i programowania badania przestrzennego w środowisku R i interpretacji uzyskanych wyników.Popularność przestrzennych metod ilościowych stale rośnie i wynika to z pojawienia się danych przestrzennej jako części big data i rozszerzonego zainteresowania GIS, geolokalizacją i mapowaniem, jako narzędziami analityki naukowej, biznesowej i rządowej.
Metody te pozwalają na wizualizację procesów ekonomiczno-społecznych, uzyskanie zależności przyczynowo-skutkowych, a w dobie uczenia maszynowego na tworzenie produktywnych prognoz. Książka ta podąża za tymi trendami.
Została napisana z perspektywy ekonomistów ilościowych, badających zjawiska ekonomiczne w kategoriach przestrzennych, na bazie informacji regionalnych albo geografi cznych.Książka dedykowana jest dla szerokiego grona odbiorców:? badaczy regionalistów prowadzących badania na informacji regionalnych,? analityków informacji i data scientists, którzy prowadzą analizy biznesowe na informacji zawierających adres lub współrzędne geografi czne,? jako podręcznik dla studentów zainteresowanych analizą informacji przestrzennych.Treść przedstawiono w formule badań użytkowanych:? metody ilościowe prezentowane są bez nadmiernej formalizacji na rzecz funkcjonalnego przedstawienia narzędzi badawczych,? przegląd najmocniej aktualnej międzynarodowej literatury naukowej umożliwia szybkie zbudowanie bazy wiedzy odnoszącej się do teorii i aplikacji,? zestawy i algorytmy R zaprezentowane są w kontekście celu badań i sposobu prowadzenia analiz,? wszystkie przykłady oparte są na rzeczywistych danych, a uzyskane wyniki są interpretowane i dyskutowane,? w każdym przykładzie pokazano możliwie pełny kod R - od przetwarzania informacji, poprzez adekwatne obliczenia, po prezentację wyników albo wizualizację,? zaprezentowane w książce dane i kody R przystępne są w repozytorium GitHub.