Ajouter des données décomposées à un indice composite

Avec un indice composite, vous pouvez choisir un problème complexe et le diviser en éléments plus petits, plus faciles à gérer, et les regrouper dans un indicateur unique. L’outil Index (Indice) aide à identifier où il existe des inégalités potentielles. Vous voulez vous baser sur cette idée pour déterminer qui vit des inégalités.

Malheureusement, un indice est souvent créé soit en regroupant toutes les personnes de couleur, soit en ignorant la race et l’origine ethnique. Lorsque cela est fait de manière stratégique et réfléchie, les données décomposées peuvent aider à identifier où des interventions sont nécessaires pour que tout le monde ait un accès équitable et des opportunités quels que soient leur identité sociale ou leur milieu socio-économique.

Explorer les indicateurs

Commencez par ouvrir un paquetage ArcGIS Pro contenant un indice composite pour l’accès aux ressources alimentaires des seniors. Explorez les indicateurs qui constituent l’indice.

  1. Téléchargez et ouvrez le paquetage ArcGIS Pro SeniorIndex.

    Le projet ArcGIS Pro apparaît avec une carte du comté de Hennepin et la couche Index Score visible, stylisée par le champ de score d’indice moyen.

    Le paquetage ArcGIS Pro s’ouvre en affichant la carte des valeurs du score d’indice moyen par secteur du comté de Hennepin, au Minnesota.

    Commencez par explorer les indicateurs d’indice à l’aide de l’ingénierie des données.

  2. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur la couche Index Score, puis cliquez sur Data Engineering (Ingénierie des données).

    Data Engineering (Ingénierie des données) dans le menu pour la couche Index Score

    La vue Data Engineering (Ingénierie des données) de la couche Index Score apparaît.

    Fenêtre de la vue Data Engineering (Ingénierie des données)

  3. Dans la vue Data Engineering (Ingénierie des données), depuis la liste des champs, faites glisser le champ Percent 65+ Lives Alone (Pourcentage de personnes de plus de 65 ans vivant seules) vers le volet des statistiques.

    Indicateur Percent 65+ Lives Alone (Pourcentage de personnes de plus de 65 ans vivant seules) glissé vers le volet des statistiques dans la vue Data Engineering (Ingénierie des données)

  4. Faites glisser les champs suivants vers le volet des statistiques :
    • Pourcentage de personnes de plus de 60 ans sous le seuil de pauvreté pour l’année écoulée
    • Pourcentage de locataires de plus de 65 ans dépensant au moins 30 pour cent de leurs revenus pour le logement
    • Pourcentage de personnes de plus de 65 ans sans couverture d’assurance maladie
    • Miles jusqu’à l’épicerie la plus proche
    • Pourcentage d’adultes de 18 ans et plus dans des foyers anglais aux ressources limitées
    • Pourcentage de foyers sans véhicule disponible
    Remarque :

    Les données utilisées pour les indicateurs sont dérivées des couches ACS Context for Senior Well-Being - Boundaries, ACS English Ability and Linguistic Isolation Variables - Boundaries et ACS Vehicle Availability Variables - Boundaries de ArcGIS Living Atlas of the World. Les données sur les épiceries sont dérivées des données fournies par Data Axle à l’aide de ArcGIS Business Analyst.

    Vous avez ajouté les sept indicateurs utilisés pour créer l’indice dans le volet des statistiques de la vue Data Engineering (Ingénierie des données).

  5. En haut du volet des statistiques, cliquez sur Calculate (Calculer).

    Bouton Calculate (Calculer) en haut de la vue Data Engineering (Ingénierie des données)

    Plusieurs types de statistiques sont calculés pour chacun des indicateurs. Avant d’explorer les résultats, figez la colonne Alias.

  6. Dans le volet des statistiques, cliquez avec le bouton droit de la souris sur Alias, puis cliquez sur Freeze/Unfreeze (Figer/libérer).

    Désormais, la colonne Alias est verrouillée sur le côté de la table.

    Remarque :

    Si nécessaire, vous pouvez augmenter la largeur de la colonne Alias pour afficher davantage du texte Alias.

    Dans le volet des statistiques, pour Chart Preview (Aperçu du diagramme), vous pouvez voir une distribution en histogramme de tous les secteurs de recensement du comté de Hennepin pour chacun des indicateurs. Cela peut être utile pour comprendre si des points aberrants doivent être pris en compte.

    Colonne Chart Preview (Aperçu du diagramme) affichant un histogramme de chaque indicateur

    La distribution pour Percent 65+ Lives Alone (Pourcentage de personnes de plus de 65 ans vivant seules) apparaît comme une distribution normale avec quelques écarts. Allez plus loin.

  7. Faites défiler le volet des statistiques jusqu’à ce que la colonne Q3 soit visible. Cliquez avec le bouton droit sur la cellule Percent 65+ Lives Alone (Pourcentage de personnes de plus de 65 ans vivant seules) sous la colonne Q3, pointez sur Select (Sélectionner), puis cliquez sur Above Quartile (Au-dessus du quartile).

    Option Above Quartile (Au-dessus du quartile) dans le menu Select (Sélectionner) de l’indicateur Percent 65+ Lives Alone (Pourcentage de personnes de plus de 65 ans vivant seules) dans la vue Data Engineering (Ingénierie des données)

    Sur la carte, tous les secteurs de recensement dont l’indicateur Percent 65+ Lives Alone (Pourcentage de personnes de plus de 65 ans vivant seules) se trouve dans le quartile supérieur sont mis en surbrillance. Le quartile divise les données en quarts ou en quatre sections, chacune représentant 25 pour cent des points de données. C’est pourquoi les zones mises en surbrillance correspondent aux secteurs dans les 25 centiles supérieurs, ce qui indique une plus grande proportion d’adultes plus âgés vivant seuls.

    Carte avec les secteurs du quartile supérieur pour les seniors vivant seuls mis en surbrillance

  8. Sur le ruban, sous l’onglet Data Engineering (Ingénierie des données), dans le groupe Selection (Sélection), cliquez sur Clear (Effacer).

    Option Clear (Effacer) dans le groupe Selection (Sélection) de l’onglet Data Engineering (Ingénierie des données)

    Vous avez également remarqué que pour le champ Percent 65+ renters spend at least 30 percent housing (Pourcentage de locataires de plus de 65 ans dépensant au moins 30 pour cent de leurs revenus pour le logement), l’histogramme indiquait un grand nombre de secteurs de recensement avec un faible pourcentage et un grand nombre de secteurs de recensement avec un nombre élevé de pourcentage élevé. Vous tenez à comprendre dans quelle zone un pourcentage élevé de locataires sont écrasés par le prix de leur loyer.

  9. Dans la vue Data Engineering (Ingénierie des données), dans la liste des champs, pointez sur Percent 65+ renters spend at least 30 percent housing (Pourcentage de locataires de plus de 65 ans dépensant au moins 30 pour cent de leurs revenus pour le logement), puis cliquez sur le bouton Create Chart (Créer un diagramme).

    Option Create Chart (Créer un diagramme) pour l’indicateur Percent 65+ renters spend at least 30 percent housing (Pourcentage de locataires de plus de 65 ans dépensant au moins 30 pour cent de leurs revenus pour le logement)

    Un diagramme de la distribution pour ce champ apparaît.

  10. Cliquez sur la barre avec le pourcentage le plus élevé de locataires qui sont écrasés par le prix de leur loyer.

    Barre avec le pourcentage le plus élevé de locataires qui sont écrasés par le prix de leur loyer sélectionnée sur le diagramme

    Les secteurs correspondant à ces valeurs sont sélectionnés sur la carte. Sur les cartes, vous pouvez voir la distribution des locataires seniors qui sont écrasés par le prix de leur loyer.

    Les secteurs avec le pourcentage le plus élevé de locataires seniors qui sont écrasés par le prix de leur loyer sont sélectionnés sur la carte.

  11. Sur le ruban, cliquez sur l’onglet Data Engineering (Ingénierie des données), et dans le groupe Selection (Sélection), cliquez sur Clear (Effacer).
  12. Continuez d’explorer les autres indicateurs.

Dans cette section, vous avez utilisé l’ingénierie des données pour mieux comprendre les statistiques et la distribution de chaque indicateur qui compose l’indice d’accès aux ressources alimentaires des seniors. L’ingénierie des données est un outil puissant qui permet de mieux comprendre les jeux de données complexes et de poser des questions importantes sur la manière dont les données ont été utilisées pour créer et contribuer au score final d’un indice. Continuez ensuite à explorer les résultats de l’indice à l’aide des diagrammes.

Analyser les résultats de l’indice à l’aide des diagrammes

Cet exemple d’indice a été créé à l’aide de l’outil Calculate Composite Index (Calculer l’indice composite). En plus de plusieurs cartes, l’outil crée des diagrammes qui peuvent être utilisés pour aider à interpréter et à répondre à diverses questions à propos de l’indice.

Remarque :

Pour en savoir plus, reportez-vous à la section Interpréter les résultats de la rubrique d’aide Fonctionnement de l’outil Calculate Composite Index (Calculer l’indice composite).

  1. Dans la fenêtre Contents (Contenu), sous la couche Index Score (Score d’indice), double-cliquez sur le diagramme Distribution of Index (Distribution de l’indice).

    Diagramme Distribution of Index (Distribution d’index) dans la fenêtre Contents (Contenu)

    Le diagramme apparaît.

    Diagramme Distribution of Index (Distribution d’index)

    La couche d’index principal dans la sortie du groupe de couches contient un histogramme de la distribution d’index. Avec la carte, cela peut vous aider à comprendre la distribution des résultats.

    Comme les diagrammes que vous avez créés dans la vue Data Engineering (Ingénierie des données), vous pouvez cliquer ou dessiner un cadre autour de plusieurs groupes sur le diagramme pour sélectionner les secteurs correspondants, qui seront alors mis en surbrillance sur la carte.

  2. Dans la fenêtre Contents (Contenu), double-cliquez sur le diagramme Relationships of Scaled Variables and Index (Relations entre les variables mises à l’échelle et l’indice).

    Le diagramme apparaît.

    Diagramme Relationships of Scaled Variables and Index (Relations entre les variables mises à l’échelle et l’index)

    Pour interpréter le diagramme de matrice, consultez la ligne du bas, qui montre la corrélation entre le score d’indice et chacun des indicateurs. Les indicateurs corrélés apparaissent en vert et les indicateurs inversement corrélés apparaissent en rose. Dans la mesure où le diagramme de matrice ne montre pas lorsque des variables sont hautement corrélées, il n’est pas nécessaire de supprimer les variables redondantes.

    Remarque :

    Pour en savoir plus sur les autres éléments à prendre en compte lors de la création et de l’évaluation d’un indice, consultez l’article technique Creating Composite Indices Using ArcGIS: Best Practices (au format PDF). Ce document inclut des recommandations relatives à l’utilisation des outils d’analyse des agrégats et de la régression afin d’explorer plus avant les résultats de l’indice, à la page 42.

Obtenir des données de recensement décomposées

Les données décomposées par race et par origine ethnique constituent un élément crucial dans toute analyse pour garantir l’équité dans notre société. En décomposant les données en catégories plus spécifiques, vous pouvez commencer à découvrir des modèles d’inégalités et à mieux comprendre quels groupes de personnes sont les plus affectés par certaines politiques ou pratiques.

Dans cette section, vous allez obtenir des données démographiques pour des groupes asiatiques spécifiques dans le comté de Hennepin en utilisant le site web regroupant les données du Bureau du recensement des États-Unis.

  1. Rendez-vous sur data.census.gov.
  2. Cliquez sur Advanced Search (Recherche avancée).

    Recherche avancée sur la page Explore Census Data (Explorer les données de recensement)

  3. Dans le panneau latéral, sous Geographies (Géographies), cliquez sur Census Tract (Secteur de recensement).

    Census Tract (Secteur de recensement) dans le menu Geography (Géographie)

    La liste des États apparaît.

  4. Dans la liste des États, cliquez sur Minnesota, puis sur Hennepin County, Minnesota (Comté de Hennepin, Minnesota). Cochez All Census Tracts within Hennepin County, Minnesota (Tous les secteurs de recensement au sein du comté de Hennepin, Minnesota).

    Option All Census Tracts within Hennepin County, Minnesota (Tous les secteurs de recensement au sein du comté de Hennepin, Minnesota) cochée

  5. Dans le panneau latéral, sous Topics (Rubriques), cliquez sur Race and Ethnicity (Race et origine ethnique).

    Une liste des catégories de race et d’origine ethnique apparaît.

  6. Cliquez sur Asian (Asiatique) et cochez la case Asian (Asiatique).
  7. Cliquez sur l’onglet Tables. Sélectionnez B02015 Asian Alone by Selected Groups (B02015 Asiatiques uniquement, par groupes sélectionnés).

    Table B02015 dans l’onglet Tables

  8. Sur le ruban au-dessus de la table, cliquez sur Margin of Error (Marge d’erreur) pour la désactiver, puis cliquez sur le bouton CSV pour télécharger un fichier .csv contenant les données.

    Marge d’erreur désactivée et bouton CSV

    Conseil :

    Il se peut que vous deviez réduire ou minimiser la fenêtre Tables pour voir le bouton CSV.

    Le fichier .csv est téléchargé sur votre ordinateur.

    Remarque :

    Si vous n’êtes pas parvenu à télécharger le fichier .csv, vous pouvez en télécharger une copie ici.

  9. Ouvrez le fichier .csv dans Microsoft Excel.
    Remarque :

    Ce didacticiel utilise un processus sans codage dans un logiciel d’édition de feuilles de calcul pour préparer les données à utiliser dans ArcGIS Pro. Il existe d’autres méthodes pour préparer les données pour un SIG en utilisant des macros ou Python. Reportez-vous à Création d’une couche d’index de détresse économique à l’aide des données du recensement avec Python et Réalisation d’une analyse des composantes principales pour déterminer la pondération des indicateurs d’index.

    Transposez ensuite les colonnes et les lignes pour que les secteurs de recensement correspondent à chacun des enregistrements.

  10. Appuyez sur Ctrl+A pour sélectionner toutes les cellules, puis sur Ctrl+C pour les copier.
  11. En bas de la feuille de calcul, cliquez sur le bouton New Sheet (Nouvelle feuille).

    Bouton New sheet (Nouvelle feuille)

  12. Cliquez avec le bouton droit de la souris sur la cellule A1 de la nouvelle feuille. Sous Paste options (Options de collage), cliquez sur Transpose (Transposer).

    Option de collage Transpose (Transposer) pour la cellule A1

    La table est transposée.

    Table transposée sur la nouvelle feuille

  13. Augmentez la largeur de la colonne A.

    Colonne A élargie

    Vous voulez séparer le texte qui inclut les mots Census Tract et les chiffres qui suivent pour disposer d’un champ d’identification lorsque vous exécutez l’outil Join Field (Joindre un champ) dans ArcGIS Pro.

  14. Cliquez avec le bouton droit sur la colonne A et cliquez sur Insert (Insérer).

    Une nouvelle colonne est ajoutée.

    Utilisez ensuite la fonction Left dans Microsoft Excel pour renvoyer tout le texte de la colonne B qui se trouve à gauche du premier point-virgule détecté.

  15. Dans la cellule A2, saisissez =LEFT(B2,(FIND(";",B2,1)-1)) et appuyez sur Entrée.

    La fonction renvoie le texte à gauche du contenu de la colonne B.

    Résultat de la fonction Left

  16. Sélectionnez la cellule A2 et pointez dans l’angle inférieur gauche de la cellule. Lorsque le symbole du pointeur se transforme en signe plus, cliquez et faites glisser pour remplir le reste de la colonne avec la même fonction.

    Glissement de la fonction dans les autres cellules de la colonne A

    La fonction est terminée pour toutes les lignes.

    Fonction terminée pour la colonne A

  17. Revenez en haut de la feuille de calcul. Dans la cellule A1, saisissez Tract Name (Nom du secteur). Dans la cellule C1, saisissez Total Asian (Asiatique total).

    Noms de champs mis à jour

  18. Cliquez sur File (Fichier) et choisissez Save As (Enregistrer sous). Enregistrez le fichier à un emplacement auquel vous avez facilement accès, par exemple votre dossier Bureau. Veillez à enregistrer le fichier au format .csv.

Vous avez obtenu les données démographiques pour des groupes asiatiques spécifiques par secteurs dans le comté de Hennepin, Minnesota. Vous avez utilisé Excel pour préparer les données à joindre à vos données d’index dans ArcGIS Pro.

Remarque :

ArcGIS Living Atlas of the World contient de nombreux jeux de données pour les catégories de race et d’origine ethnique, y compris un jeu de données pour les groupes asiatiques spécifiques. Bien qu’il constitue une bibliothèque de données fiable et en pleine expansion, il peut arriver que ArcGIS Living Atlas n’inclue pas encore les données spécifiques que votre communauté ou votre scénario nécessite. C’est pourquoi ce didacticiel visait à vous montrer comment obtenir des données directement auprès du Bureau du recensement. Pour voir d’autres exemples de l’utilisation des données de race et d’origine ethnique à partir de ArcGIS Living Atlas, reportez-vous aux didacticiels Créer un index d’égalité social et Cartographier et analyser l’accès aux ressources alimentaires.

Joindre les données de recensement

Vous disposez désormais de bonnes bases pour comprendre les indicateurs utilisés dans votre index d’accès aux ressources alimentaires par les seniors et vous avez obtenu et préparé des données sur l’origine ethnique pour des groupes asiatiques spécifiques dans votre comté. Dans cette section, vous allez joindre les données de recensement à l’index et préparer ce dernier pour visualiser les données décomposées.

  1. Dans ArcGIS Pro, sur le ruban, sur l’onglet Map (Carte), dans la section Layer (Couche), cliquez sur Add Data (Ajouter des données).

    Bouton Add Data (Ajouter des données) dans le groupe Layer (Couche) de l’onglet Map (Carte)

  2. Accédez au dossier dans lequel vous avez enregistré le fichier .csv. Cliquez sur le fichier, puis sur OK.

    Dossier contenant le fichier .csv téléchargé à partir du site web du recensement

    Le fichier .csv apparaît dans la fenêtre Contents (Contenu), sous Standalone Tables (Tables autonomes).

    Utilisez ensuite l’outil Join Fields (Joindre des champs).

  3. Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).

    Outils dans le groupe Geoprocessing (Géotraitement) sur l’onglet Analysis (Analyse)

    La fenêtre Geoprocessing (Géotraitement) s’affiche.

  4. Dans la fenêtre Geoprocessing (Géotraitement), dans la barre de recherche, saisissez join field (joindre un champ). Dans la liste des résultats, cliquez sur l’outil Join Field (Joindre un champ).

    Outil Join Field (Joindre un champ) dans la fenêtre Geoprocessing (Géotraitement)

    L’outil Join Field (Joindre un champ) apparaît.

  5. Dans l’outil Join Field (Joindre un champ), sélectionnez les paramètres suivants :
    • Pour Input Table (Table en entrée), choisissez Index Score (Score d’indice).
    • Dans Input Join Field (Champ de jointure en entrée), choisissez Tract Name (Nom du secteur).
    • Dans Join Table (Table de jointure), sélectionnez votre table .csv.
    • Pour Join Table Field (Champ de table de jointure), choisissez Tract Name (Nom de secteur).

    Paramètres saisis dans l’outil Join Field (Joindre un champ)

    Sélectionnez ensuite les champs de votre fichier .csv que vous voulez joindre à la couche Index Score.

  6. Pour Transfer Fields (Transférer des champs), cliquez sur le bouton Add Many (Ajouter plusieurs).

    Une liste de tous les champs représentant les différentes origines ethniques asiatiques s’affiche. La liste inclut le champ Total Asian (Asiatique total), ainsi que les sous-totaux des différents groupes d’origine ethnique, tels que East Asian (Asiatique de l’Est) et Southeast Asian (Asiatique du Sud-Est). Vous allez joindre les champs du nombre total de la population asiatique et des origines ethniques spécifiques.

  7. Cochez tous les champs de Total Asian (Asiatique total) jusqu’à la fin de la liste, sauf les champs de sous-catégorie, à savoir :
    • East Asian (Asiatique de l’Est)
    • Southeast Asian (Asiatique du Sud-Est)
    • South Asian (Asiatique du Sud)
    • Central Asian (Asiatique du Centre)

    Menu Ajouter plusieurs avec tous les groupes asiatiques spécifiques cochés

  8. Cliquez sur Add (Ajouter).

    Les champs sont ajoutés à la fenêtre de l’outil Join Field (Joindre un champ).

    Champs ajoutés à la fenêtre de l’outil Join Field (Joindre un champ)

  9. Cliquez sur Run (Exécuter).
  10. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Index Score (Score d’indice) et cliquez sur Attribute Table (Table attributaire).

    La table pour Index Score (Score d’indice) apparaît.

  11. Faites défiler la table Index Score (Score d’indice) jusqu’aux champs des groupes asiatiques spécifiques que vous venez de joindre.

    Groupes asiatiques spécifiques joints à la couche d’entités Index Score dans les tables attributaires

    Vous avez joint les données démographiques du recensement à la couche Index Score.

  12. Fermez la table.
  13. Dans la barre d'outils Accès rapide, cliquez sur Enregistrer pour enregistrer le projet.

    Save (Enregistrer) dans la barre d’outils Quick Access (Accès rapide)

Dans cette section, vous avez exploré les indicateurs d’un indice composite à l’aide de l’ingénierie des données et des diagrammes. Vous avez accédé aux données décomposées de race et d’origine ethnique du recensement et les avez jointes. Visualisez ensuite l’indice décomposé selon les grands groupes asiatiques spécifiques afin de mieux cibler les efforts visant à améliorer l’accès aux ressources alimentaires des seniors.


Visualiser les données décomposées et identifier les zones prioritaires

Dans de nombreux exemples de processus d’équité raciale, l’utilisation des quintiles ou des déciles permet de mesurer la distribution des accès et des opportunités sur une zone de projet.

Dans ce didacticiel, vous cherchez à comprendre la distribution des indicateurs d’accès insuffisant aux ressources alimentaires parmi les adultes plus âgés. Divisez la distribution du score d’indice composite pour ces indicateurs en cinq parties égales. Cela signifie que le premier quintile contient le cinquième de la population qui a le plus accès aux ressources alimentaires (par exemple, les 20 % de la population pour lesquels l’insécurité alimentaire est la plus faible). Le cinquième quintile représente les 20 % de la population pour lesquels l’insécurité alimentaire est la plus forte, ce qui signifie qu’il s’agit de la population qui a le plus besoin de soutien et d’aide financière pour offrir une approche équitable de l’amélioration de l’accès aux ressources alimentaires.

Reclassifier les scores par quintiles

Utilisez l’outil Reclassify (Reclassifier) pour attribuer une catégorie de quintile à chaque secteur de recensement en fonction de leurs valeurs Index Score (Score d’indice).

  1. Le cas échéant, sur le ruban, sur l’onglet Analysis (Analyse), dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils) pour ouvrir la fenêtre Geoprocessing (Géotraitement).
  2. Dans la fenêtre Geoprocessing (Géotraitement), recherchez et ouvrez l’outil Reclassify Field (Reclasser un champ).
  3. Dans la fenêtre de l’outil Reclassify Field (Reclasser un champ), saisissez les informations suivantes :
    • Pour Input Table (Table en entrée), choisissez Index Score (Score d’indice).
    • Dans Field to Reclassify (Champ à reclasser), sélectionnez Index Score - Mean (Percentile) (Score d’indice - Moyenne [centile]).
    • Pour Reclassification Method (Méthode de reclassification), sélectionnez Quantile.
    • Pour Number of Classes (Nombre de classes), saisissez 5.

    Paramètres Reclassify Field (Reclasser un champ) saisis

  4. Cliquez sur Run (Exécuter).
  5. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Index Score (Socre d’indice) et sélectionnez Symbology (Symbologie).
  6. Dans la fenêtre Symbology (Symbologie), pour Primary Symbology (Symbologie principale), choisissez Graduated colors (Couleurs graduées). Pour Field (Champ), sélectionnez INDEX_PCTRL_QUANTILE_CLASS.
  7. Dans Color scheme (Combinaison de couleurs), sélectionnez Blue Purple (5 Classes) (Bleu violet [5 classes]).
    Conseil :

    Pour afficher le nom d’un dégradé de couleurs, placez le pointeur de la souris dessus.

    Dégradé de couleurs défini pour le style Graduated Colors (Couleurs graduées)

    La carte s’actualise pour afficher les secteurs de recensement dans le comté de Hennepin par valeur Index Score (Score d’indice) en quintiles.

    Carte stylisée par quintile de score d’indice

  8. Enregistrez le projet.

Créer un diagramme pour identifier les groupes les plus importants

Dans cette section, vous allez créer des diagrammes pour visualiser les données décomposées par groupes asiatiques spécifiques les plus importants du comté.

  1. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Index Score (Score d’indice), pointez sur Create Chart (Créer un diagramme), et cliquez sur Pie Chart (Diagramme à secteurs).

    Pie Chart (Diagramme à secteurs) dans le menu Create Chart (Créer un diagramme) pour la couche Index Score

    Une vue de diagramme vide et la fenêtre Chart Properties (Propriétés du diagramme) apparaissent.

  2. Dans la fenêtre Chart Properties (Propriétés du diagramme), sous Variables, pour Numeric field(s) (Champ(s) numérique(s)), cliquez sur Select (Sélectionner).

    Bouton Select (Sélectionner) sous Numeric field(s) (Champ(s) numérique(s)) dans le volet Chart Properties (Propriétés du diagramme)

  3. Cochez les cases de tous les groupes asiatiques spécifiques et cliquez sur Apply (Appliquer).

    Groupes asiatiques spécifiques cochés et bouton Apply (Appliquer) dans le menu Numeric fields (Champs numériques)

    Les champs sont ajoutés à la fenêtre Chart Properties (Propriétés du diagramme) et la vue de diagramme affiche un diagramme à secteurs.

  4. Dans la fenêtre Chart Properties (Propriétés du diagramme), cliquez sur l’onglet General (Général). Pour Chart title (Titre du diagramme), remplacez le texte existant par Specific Asian Groups (Groupes asiatiques spécifiques).

    Titre du diagramme saisi dans l’onglet General (Général) de la fenêtre Chart Properties (Propriétés du diagramme)

    Le titre du diagramme s’actualise dans la vue du diagramme.

    Diagramme à secteurs représentant les groupes asiatiques spécifiques dans le comté de Hennepin

    Les cinq plus grands groupes asiatiques spécifiques du comté sont Hmong ; Indien asiatique ; Chinois, sauf Taïwanais ; Vietnamien ; Coréen. Créez ensuite des diagrammes à barres décomposés pour chacun de ces groupes spécifiques et un diagramme à barres de comparaison pour Total Asians (Asiatiques totaux).

  5. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Index Score (Score d’indice), pointez sur Create Chart (Créer un diagramme), et choisissez Bar Chart (Diagramme à barres).
  6. Dans la fenêtre Chart Properties (Propriétés du diagramme), sous Variables, pour Category or Date (Catégorie ou Date), choisissez INDEX_PCTL_QUANTILE_CLASS.
  7. Pour Numeric fields (Champs numériques), cliquez sur le bouton Select (Sélectionner), cochez la case Total Asian (Asiatique total) et cliquez sur Apply (Appliquer).

    Total Asian (Asiatique total) s’ajoute à la fenêtre Chart Properties (Propriétés du diagramme).

    Total Asian (Asiatique total) ajouté sous Numeric fields (Champs numériques) dans la fenêtre Chart Properties (Propriétés du diagramme)

  8. Pour Split by (optional) (Fractionner en (facultatif)), choisissez INDEX_PCTL_QUANTILE_CLASS.

    Modifiez ensuite le titre du diagramme et ajustez les couleurs des barres pour que le diagramme corresponde mieux à la symbologie de la carte.

  9. Dans la fenêtre Chart Properties (Propriétés du diagramme), cliquez sur l’onglet General (Général). Pour Chart title (Titre du diagramme), supprimez le texte existant et saisissez Total Asian (Asiatique total).
  10. Cliquez sur l’onglet Series (Séries).

    Onglet Series (Séries) de la fenêtre Chart Properties (Propriétés du diagramme)

  11. Cliquez sur le symbole pour 1 et choisissez Sodalite Blue (Bleu roi).
    Conseil :

    Pour voir le nom d’une couleur, pointez le curseur sur la couleur.

    Bleu roi sur la palette de couleurs pour le symbole de valeur 1

  12. Choisissez les couleurs suivantes pour les autres valeurs :
    • Pour 2, choisissez Sugalite Sky (Ciel Sugalite).
    • Pour 3, sélectionnez Violet Dust (Violet poudré).
    • Pour 4, choisissez Aster Purple (Violet aster).
    • Pour 5, choisissez Blackberry (Mûre).

    Couleurs sur la palette de couleurs

    Le diagramme Total Asian (Asiatique total) est terminé.

    Diagramme Total Asian (Asiatique total) divisé par quintile de score d’indice

    Vous disposez désormais d’un diagramme qui montre la population asiatique totale décomposée par valeur de quintile de score d’indice. Pour tous les secteurs de recensement appartenant à chaque quintile, la population du champ Total Asian (Asiatique total) est additionnée et le résultat apparaît dans le diagramme.

    La population asiatique totale vivant dans le groupe du quintile le plus élevé compte tout juste moins de 12 000 personnes. D’après l’indice, les personnes qui vivent dans les secteurs de recensement du cinquième quintile sont davantage susceptibles de ne pas avoir un accès correct aux ressources alimentaires. Globalement, la majeure partie de la population asiatique totale se trouve dans le groupe du quintile le plus bas en matière d’accès aux ressources alimentaires, ce qui leur permet de prospérer. Ce groupe apparaît dans le premier quintile du diagramme.

    Dupliquez ensuite ce diagramme pour afficher les données décomposées pour le groupe asiatique spécifique Hmong.

  13. Fermez les diagrammes ouverts.
  14. Enregistrez le projet.
    Conseil :

    Vous pouvez également enregistrer le projet en appuyant sur les touches Ctrl+S.

Créer des diagrammes décomposés pour des groupes spécifiques

Dupliquez le diagramme Total Asian (Asiatique total) et configurez cinq diagrammes supplémentaires pour les cinq plus grands groupes asiatiques spécifiques. Les diagrammes de données décomposés vous permettront de mieux comprendre quels seniors asiatiques n’ont pas un accès adéquat aux ressources alimentaires.

  1. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur le diagramme Total Asian (Asiatique total) et sélectionnez Duplicate (Dupliquer).

    Duplication du diagramme Total Asian (Asiatique total)

  2. Double-cliquez sur le diagramme dupliqué pour l’ouvrir.
  3. Dans la fenêtre Chart Properties (Propriétés du diagramme), sous Numeric field(s) (Champ(s) numérique(s)), cliquez sur le bouton Select (Sélectionner).
  4. Décochez Total Asian (Asiatique total) et cochez Hmong. Cliquez sur Apply (Appliquer).

    Décochez Total Asian (Asiatique total), cochez Hmong et cliquez sur le bouton Apply (Appliquer) dans le menu Numeric fields (Champs numériques).

    Le diagramme est mis à jour avec les données pour Hmong. Renommez ensuite le diagramme.

  5. Cliquez sur l’onglet Général. Pour Chart title (Titre du diagramme), remplacez le texte existant par Hmong.

    Vous disposez maintenant d’un diagramme décomposé pour le groupe Hmong.

    Diagramme Hmong divisé par quintile de score d’indice

  6. Utilisez ce que vous avez appris pour créer des diagrammes pour les groupes spécifiques Indien asiatique ; Chinois, sauf Taïwanais ; Vietnamien ; Coréen.
    Conseil :

    • Dupliquez le diagramme Total Asian (Asiatique total).
    • Ouvrez le diagramme dupliqué.
    • Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Numeric fields (Champs numériques), cliquez sur Select (Sélectionner). Décochez Total Asian (Asiatique total) et cochez le groupe asiatique spécifique.
    • Cliquez sur l’onglet General (Général) et mettez à jour le champ Chart title (Titre du diagramme) pour le groupe asiatique spécifique.

    Vous avez créé six diagrammes représentant les données de score d’indice décomposées pour les groupes asiatiques spécifiques et les populations asiatiques totales.

    Diagrammes terminés dans la fenêtre Contents (Contenu)

    Organisez ensuite les diagrammes de manière à pouvoir afficher les six en même temps pour comparer les données.

  7. Si nécessaire, ouvrez les six diagrammes à barres.
  8. Faites glisser l’onglet du diagramme à barres Total Asian (Asiatique total) pour qu’il s’affiche dans une fenêtre séparée.

    Faites glisser le diagramme Total Asian (Asiatique total) dans une fenêtre séparée.

  9. Si nécessaire, redimensionnez la fenêtre pour le diagramme Total Asian (Asiatique total).

    Diagramme Total Asian (Asiatique total) dans une fenêtre séparée

  10. Faites glisser l’onglet du diagramme Hmong et ancrez-le à droite de la fenêtre du diagramme Total Asian (Asiatique total).

    Faites glisser le diagramme Hmong et ancrez-le à droite du diagramme Total Asian (Asiatique total)

    Le diagramme Hmong apparaît désormais côte à côte avec le diagramme Total Asian (Asiatique total) dans une fenêtre séparée.

    Diagrammes affichés côte à côte dans une fenêtre séparée

  11. Continuez à faire glisser chaque diagramme dans cette fenêtre séparée de façon à obtenir deux lignes de trois diagrammes. Réorganisez les fenêtres et ajustez leur taille de façon à ce qu’elles soient toutes à peu près égales.

    Vous pouvez maintenant afficher les six diagrammes en même temps et comparer les données décomposées.

    Les six diagrammes décomposés affichés côte à côte pour comparaison

Vous avez étudié la carte des quintiles et compris que le cinquième quintile représente la population ayant les plus grands besoins en matière d’accès aux ressources alimentaires pour les adultes plus âgés. C’est pourquoi les zones de couleur mauve foncé affichent un besoin plus important. Vous pouvez maintenant répondre à la question suivante : quels groupes risquent d’être confrontés à l’insécurité alimentaire ?

Dans les diagrammes décomposés par groupes asiatiques spécifiques, vous pouvez rapidement voir les modèles de haut niveau dans chaque groupe et la proportion de population dans chaque quintile. Les communautés indienne asiatique et coréenne présentent une proportion plus élevée de personnes vivant dans des secteurs à besoins élevés.

Cela permettra de savoir quels types de programmes, politiques et stratégies de communication doivent être mis en place pour atteindre ce public et augmenter l’accès aux ressources alimentaires pour les adultes plus âgés.

Identifier les zones prioritaires

Utilisez ensuite l’ingénierie des données et l’outil Select by Attribute (Sélectionner par attribut) pour vous concentrer sur certaines zones du comté et créer des zones prioritaires. Pour identifier ces zones, basez-vous sur les scores d’indice élevés, les groupes asiatiques spécifiques et l’accès inadéquat aux ressources alimentaires pour les adultes plus âgés.

Commencez par le groupe coréen. Sélectionnez tout d’abord les secteurs de recensement avec une forte présence de population coréenne.

  1. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur Index score (Score d’indice) et choisissez Data Engineering (Ingénierie des données).
  2. Faites glisser le champ Korean (Coréen) vers le volet des statistiques. Cliquez sur Calculer.
  3. Cliquez avec le bouton droit sur la valeur Third Quartile (Troisième quartile) pour Korean (Coréen), pointez sur Select (Sélectionner), puis choisissez Above Quartile (Au-dessus du quartile).

    Above Quartile (Au-dessus du quartile) dans le menu Select (Sélectionner) pour la colonne Third Quartile (Troisième quartile) du champ Korean (Coréen) dans la vue Data Engineering (Ingénierie des données)

    Les secteurs sont sélectionnés sur la carte.

    Secteurs présentant les pourcentages les plus élevés de population coréenne mis en surbrillance

    Ensuite, parmi les secteurs déjà sélectionnés, conservez ceux où les adultes plus âgés n’ont pas un bon accès aux ressources alimentaires.

  4. Sur le ruban, sous l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Select By Attributes (Sélectionner selon les attributs).

    Select By Attributes (Sélectionner selon les attributs) dans le groupe Selection (Sélection) de l’onglet Map (Carte)

  5. Dans la fenêtre Select By Attributes (Sélectionner selon les attributs), pour Selection Type (Type de sélection), sélectionnez Select subset from the current selection (Sélectionner un sous-ensemble à partir de la sélection actuelle).
  6. Pour Expression, créez l’expression Where INDEX_PCTL_QUANTILE_CLASS is equal to 5 (Où INDEX_PCTL_QUANTILE_CLASS est égal à 5).

    Expression créée pour sélectionner le quintile le plus élevé pour le score d’indice parmi les secteurs actuellement sélectionnés

  7. Cliquez sur Apply (Appliquer).

    Les secteurs qui restent sélectionnés sur la carte ont à la fois le quartile le plus élevé de population coréenne et représentent les zones ayant les plus grands besoins en matière d’aide à l’accès aux ressources alimentaires pour les adultes plus âgés.

    Carte avec en surbrillance les secteurs présentant les pourcentages les plus élevés de population coréenne et les scores d’indice les plus élevés

Maintenant que vous disposez de ces informations, vous pouvez planifier un programme plus ciblé en tenant compte des besoins linguistiques et par secteur, afin de hiérarchiser l’allocation des financements.

Vous avez commencé ce didacticiel avec un indice qui n’incluait pas les données décomposées, mais vous avez été à même d’estimer indirectement certaines inégalités en associant les données de recensement pour des groupes asiatiques spécifiques aux données d’indice. Obtenir et combiner les données mesurées par race et par origine ethnique est le meilleur moyen de s’assurer d’appliquer précisément votre prisme d’équité.

Il est important de noter que ce processus ne couvre qu’un composant du processus d’équité raciale et de justice sociale. Il se concentre uniquement sur la cartographie, l’analyse et l’utilisation des données. Le processus d’équité raciale et de justice sociale inclut également la gestion des performances et l’implication des communautés. Pour impliquer les communautés, pensez à partager les résultats de l’indice et des diagrammes décomposés avec des groupes et des organisations communautaires, et à recueillir leur avis. Certaines expériences ou nuances de la communauté locale peuvent venir confirmer les résultats ou identifier des écarts dans l’utilisation des données. Le processus de développement d’un plan d’équité est itératif. Il nécessite la collecte de données, l’analyse, le partage, puis la répétition de ces étapes au fur et à mesure que de nouveaux niveaux de compréhension et de nouvelles données sont obtenus grâce à l’implication de la communauté.

Remarque :

Ce didacticiel a été créé en se basant sur Application d’un prisme d’équité à votre indice.

Les professionnels du SIG ont une opportunité unique de résoudre les problèmes sociaux complexes en alliant leur expertise de l’analyse des données spatiales à un engagement à obtenir des résultats équitables et inclusifs. Dans ce didacticiel, vous avez utilisé une méthode permettant de ventiler l’indice par race et par origine ethnique. Il s’agit de l’une des nombreuses approches permettant d’appliquer un prisme d’équité aux processus SIG. Continuez à explorer et à apprendre de nouvelles méthodes et stratégies pour créer des moyens plus pertinents et plus précis d’utiliser un indice composite pour les applications réelles.

Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.