Enrichir les données
Votre analyse nécessitant des données, vous allez créer une couche contenant les secteurs de recensement du comté de Gwinnett. Vous enrichirez ensuite les secteurs avec les principaux indicateurs de vulnérabilité socio-économique que vous utiliserez dans votre analyse d’adéquation.
Créer un projet
Vous allez commencer par créer un projet dans ArcGIS Pro. Vous allez également vous assurer que vous détenez la licence ArcGIS Business Analyst nécessaire pour ce didacticiel.
- Démarrez ArcGIS Pro. Si vous y êtes invité, connectez-vous via votre compte d’organisation ArcGIS sous licence.
Remarque :
Si vous n’avez pas accès à ArcGIS Pro ou ne disposez pas d’un compte d’organisation ArcGIS, consultez les options disponibles pour accéder aux logiciels.
- Sous New Project (Nouveau projet), cliquez sur Map (Carte).
- Dans la fenêtre New Project (Nouveau projet), pour Name (Nom), entrez Socioeconomic_vulnerability_in_Gwinnett_County (Vulnérabilité_socio-économique_dans_le_comté_de_Gwinnett). Laissez le chemin d’accès inchangé sous Location (Emplacement) et assurez-vous que la case Create a folder for this project (Créer un dossier pour ce projet) est cochée.
- Cliquez sur OK.
Le projet est créé avec une carte par défaut. Pour le moment, la seule couche correspond au fond de carte Topographic (Topographie), qui offre un contexte géographique.
- Sur le ruban, cliquez sur l’onglet Projet.
- Cliquez sur Licences.
- Sous ArcGIS Pro Extensions (Extensions ArcGIS Pro), vérifiez que vous possédez la licence ArcGIS Business Analyst, qui est requise pour ce didacticiel.
Remarque :
Pour en savoir plus sur la licence ArcGIS Business Analyst et la manière de se la procurer, accédez à la page du produit ArcGIS Business Analyst.
- Cliquez sur le bouton Back (Retour).
Vous retournez à votre projet.
Ajouter les limites des secteurs de recensement
Vous allez à présent créer une couche de limites de secteurs de recensement pour le comté de Gwinnett à l’aide d’un outil de géotraitement disponible avec l’extension ArcGIS Business Analyst.
Remarque :
Le processus de ce didacticiel peut être effectué pour tout comté ou zone équivalente des États-Unis. Si vous le souhaitez, vous pouvez utiliser le comté de votre choix au lieu du comté de Gwinnett, mais vos résultats différeront de ceux des images en exemple. Il est recommandé d’effectuer ce processus pour le comté de Gwinnett avant de le tenter avec un autre comté.
Avant de poursuivre, vous allez vous assurer que vous utilisez bien les données des États-Unis les plus récentes de Esri.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse).
- Dans le groupe Workflows (Processus), cliquez sur Business Analysis (Analyse commerciale).
- Au bas du menu, vérifiez que l’option Business Analyst Data Source (Source de données Business Analyst) est définie sur United States (Esri 2024) (États-Unis [Esri 2024]).
![Option Business Analyst Data Source (Source de données Business Analyst) définie sur United States (Esri 2024) (États-Unis [Esri 2024])](GUID-EBBB8DC4-7E9E-48A0-993E-10F20C020DE5-web.png "Option Business Analyst Data Source (Source de données Business Analyst) définie sur United States (Esri 2024) (États-Unis [Esri 2024])")
Remarque :
Si la source de données n’est pas définie sur United States (Esri 2024) (États-Unis [Esri 2024]), cliquez sur Change data source (Modifier la source de données). Dans la fenêtre Business Analyst Data Source (Source de données Business Analyst), sous Portal (Portail), cliquez sur North America (Amérique du Nord). Développez United States (États-Unis) et cliquez sur Esri 2024. Cliquez sur OK.
Vous allez maintenant créer les limites des secteurs de recensement.
- Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).
La fenêtre Geoprocessing (Géotraitement) s’affiche.
- Dans la barre de recherche de la fenêtre Geoprocessing (Géotraitement), saisissez Générer des zones de chalandise à géographie standard. Dans la liste des résultats, cliquez sur Generate Standard Geography Trade Areas (Générer des zones de chalandise à géographie standard).
Cet outil crée une couche avec des limites géographiques de base à un niveau que vous spécifiez en fonction de la source de données ArcGIS Business Analyst active.
- Pour Geography Level (Niveau géographique), sélectionnez Census Tracts (US.Tracts) (Secteurs de recensement [Secteurs américains]).
- Pour Output Feature Class (Classe d’entités en sortie), saisissez Gwinnett_County_tracts.
Vous allez maintenant sélectionner les secteurs de recensement à inclure dans votre couche en sortie. Vous pouvez rechercher et sélectionner des secteurs de recensement de tout comté des États-Unis.
- Pour Geography IDs List (Liste des ID de géographie), cliquez sur le bouton Browse (Parcourir).
- Dans la fenêtre Select Geography: US.Tracts (Sélectionner une géographie : secteurs des États-Unis), cliquez sur US by Tracts (États-Unis par secteurs).
La liste des États apparaît. Comté de Gwinnett en Géorgie.
- Cliquez sur Georgia (Géorgie).
- Dans la liste des comtés de Géorgie, faites défiler l’écran et cliquez sur Gwinnett County (Comté de Gwinnett).
Conseil :
Vous pouvez également rechercher le comté à l’aide de la barre de recherche.
La liste des secteurs de recensement du comté apparaît. Chaque secteur de recensement est désigné par un numéro. Vous allez sélectionner tous les secteurs du comté.
- Cochez la case Gwinnett County (Comté de Gwinnett).
Une icône indique que 220 secteurs de recensement sont sélectionnés. Ce nombre représente le nombre total de secteurs dans le comté de Gwinnett.
Remarque :
L’outil Generate Standard Geography Trade Areas (Générer des zones de chalandise à géographie standard) ne peut traiter que 1 000 enregistrements au maximum. Pour les comtés de plus de 1 000 secteurs de recensement, il est recommandé d’exécuter plutôt l’outil avec l’option Geography Level (Niveau géographique) définie sur Counties (US.Counties) (Comtés [comtés des États-Unis]) et l’option Geography IDs List (Liste des ID de géographie) définie sur le comté de votre choix. Une couche des limites du comté est créée. Exécutez maintenant l’outil Generate Geographies From Overlay (Générer des géographies à partir d’une superposition) pour créer des secteurs de recensement à l’intérieur des limites du comté. Pour plus d’informations sur cet outil, reportez-vous à la page Générer des zones de chalandise à géographie standard basées sur la distance ou le temps de la documentation.
- Cliquez sur OK.
- Dans la fenêtre Géotraitement, cliquez sur Exécuter.
L’outil s’exécute. Une couche des secteurs de recensement du comté de Gwinnett est créée et ajoutée à la carte.
Remarque :
Votre symbologie par défaut peut être différente de celle des images en exemple.
Vous allez remplacer votre fond de carte par un autre de conception plus simple pour mettre en avant vos résultats d’analyse sur votre carte.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Layer (Couche), cliquez sur Basemap (Fond de carte).
- Choisissez le fond de carte Light Gray Canvas (Nuances de gris clair).
Le fond de carte change.
- Sur Quick Access Toolbar (Barre d’outils Accès rapide), cliquez sur le bouton Save Project (Enregistrer le projet).
Conseil :
Vous pouvez également appuyer sur Ctrl+S pour enregistrer le projet.
Ajouter des indicateurs socio-économiques
Maintenant que vous disposez de données sur les secteurs de recensement pour votre zone d’étude, vous allez les enrichir avec des indicateurs clés pour évaluer la vulnérabilité socio-économique et notamment les revenus, les logements, l’emploi et l’assurance maladie. Vous allez utiliser l’outil Enrich Layer (Enrichir la couche), qui ajoute des données démographiques aux entités en fonction de leur localisation géographique.
Remarque :
Dans un scénario du monde réel, avant de déterminer les indicateurs à utiliser pour rechercher la vulnérabilité socio-économique, il est important de collaborer avec un vaste panel de parties prenantes et notamment les résidents des zones affectées, afin de définir l’objet de votre analyse et la question à laquelle vous souhaitez répondre.
- Dans la fenêtre Géotraitement, cliquez sur le bouton Retour.
- Dans la barre de recherche, saisissez Enrichir la couche. Dans la liste des résultats, sélectionnez Enrich Layer (Business Analyst Tools) (Enrichir la couche [outils Business Analyst]) .
- Pour Input Features (Entités en entrée), sélectionnez Gwinnett_County_ tracts. Pour Output Feature Class (Classe d’entités en sortie), saisissez Gwinnett_County_enriched.
- En regard de Variables, cliquez sur le bouton d’ajout.
La fenêtre Data Browser (Navigateur de données) s’ouvre. Cette fenêtre catégorise et affiche toutes les variables de données disponibles pour la source de données sélectionnée. Vous allez rechercher et ajouter des variables qui capturent les composants suivants de la vulnérabilité socio-économique :
- Revenus et situation d’emploi
- Pauvreté et aide gouvernementale
- Accessibilité au logement et charge du logement
- Accès aux soins
- Enseignement et accès numérique
- Handicap et accessibilité
Remarque :
Une liste de chaque variable, leur dimension et leur motif d’inclusion dans l’analyse est fournie à la fin du didacticiel, dans la section Logique des variables.
- Dans la fenêtre Data Browser (Navigateur de données), dans la barre de recherche, saisissez Revenus des ménages et appuyez sur Entrée.
- Dans la liste des résultats, cochez la case 2024 Median Household Income (Revenu médian des ménages 2024).
Pour cette variable, il existe deux options, également appelées métriques : # et Index (Index). Ces métriques déterminent si les revenus sont mesurés sous forme de nombre brut ou d’index qui les compare à la moyenne nationale. Vous pouvez choisir d’inclure l’une ou l’autre de ces métriques ou les deux, mais dans le cadre de ce didacticiel, vous n’allez ajouter que la métrique numérique, sélectionnée par défaut.
L’icône Show/Hide details panel (Afficher/masquer la fenêtre Détails) indique que vous avez sélectionné une variable.
- Dans la barre de recherche, saisissez Coupons alimentaires et appuyez sur Entrée.
- Dans la liste des résultats, cochez la case 2022 HHs w/Food Stamps/SNAP (ACS 5-Yr) (Ménages bénéficiant de bons alimentaires/SNAP [ACS 5 ans] [2022]) . Sélectionnez la métrique de pourcentage (%) et désélectionnez la métrique de total (#).
![Variable 2022 HHs w/Food Stamps/SNAP (ACS 5-Yr) (Ménages bénéficiant de bons alimentaires/SNAP [ACS 5 ans] [2022]) avec métrique de pourcentage sélectionnée](GUID-6CC6CA36-413D-49EB-ABCE-89615DEE1B17-web.png "Variable 2022 HHs w/Food Stamps/SNAP (ACS 5-Yr) (Ménages bénéficiant de bons alimentaires/SNAP [ACS 5 ans] [2022]) avec métrique de pourcentage sélectionnée")
À présent, les données des ménages (HHs (Ménages)) bénéficiant de coupons alimentaires sont présentées sous forme de pourcentage du nombre total de ménages et non sous forme de nombre brut.
- À l’aide de la barre de recherche, recherchez et ajoutez les variables suivantes avec la métrique indiquée :
Variable Métrique 2024 Median Home Value (Valeur médiane du logement [2024])
#
2024 Owner Occupied HUs (Logements occupés par leur propriétaire [2024])
%
2022 HHs/Gross Rent 50+% of Income (ACS 5-Yr) (Ménages dont le loyer brut représente 50 % ou plus des revenus [ACS 5 ans] [2022])
%
2022 HHs: Inc Below Poverty Level (ACS 5-Yr) (Ménages dont les revenus sont inférieurs au seuil de pauvreté [ACS 5 ans] [2022])
%
2024 Pop Age 25+: Bachelor’s Degree (Population âgée de 25 ans ou plus ayant obtenu une licence [2024])
%
2024 Unemployed Population 16+ (Population âgée de 16 ans ou plus sans emploi [2024])
%
2022 HHs w/1+ Persons w/Disability (ACS 5-Yr) (Ménages comptant une ou plusieurs personnes handicapées [ACS 5 ans] [2022])
%
2022 Pop 35-64: No Health Insurance (ACS 5-Yr) (Population âgée de 35 à 64 ans sans assurance maladie [ACS 5 ans] [2022])
%
2022 Pop 65+: No Health Insur (ACS 5-Yr) (Population âgée de 65 ans ou plus sans assurance maladie [ACS 5 ans] [2022])
%
2022 HHs w/No Internet Access (ACS 5-Yr) (Ménages sans accès Internet [ACS 5 ans] [2022])
%
Vous avez sélectionné 12 variables au total.
- Cliquez sur OK.
Les variables sont ajoutées à la fenêtre de l’outil Enrichir la couche. Vous allez enregistrer cette liste de variables au cas où vous souhaiteriez utiliser ces variables pour analyser un autre comté ultérieurement.
- Cliquez sur Save List (Enregistrer la liste).
- Dans la fenêtre Save Variable List (Enregistrer la liste de variables), pour Name (Nom), saisissez Variables socio-économiques et démographiques. Cliquez sur OK.
Vous pourrez accéder à cette liste de variables ultérieurement en ouvrant la fenêtre Data Browser (Navigateur de données) et en cliquant sur l’onglet Variable Lists (Listes de variables).
Avant d’exécuter l’outil, vous allez estimer le nombre de crédits qu’il utilise. Le nombre de crédits utilisés par cet outil dépend du nombre de variables et de la taille de la zone géographique. Comme vous utilisez une petite zone d’étude, le nombre de crédits doit être relativement faible. Si vous deviez exécuter l’outil sur un comté plus grand, avec davantage de secteurs de recensement, le nombre de crédits risquerait d’être bien plus élevé. Il est recommandé de vérifier l’utilisation des crédits avant d’exécuter un outil qui en utilise.
- Dans la partie supérieure de la fenêtre de l’outil Enrich Layer (Enrichir la couche), cliquez sur le lien Estimate credits (Estimer les crédits).
L’outil utilise 26,4 crédits. Le nombre de crédits dans votre compte est indiqué à titre de comparaison.
Remarque :
Si vous ne disposez pas de crédits suffisants pour effectuer cette étape, ou que vous ne souhaitez pas utiliser de crédit, vous pouvez utiliser une couche enrichie fournie afin de poursuivre le didacticiel. Pour ajouter cette couche, sur le ruban, dans l’onglet Map (Carte), dans le groupe Layer (Couche), cliquez sur Add Data (Ajouter des données). Recherchez Propriétaire de Gwinnett_County_enriched :Learn_ArcGIS. Dans la liste des résultats, sélectionnez la couche Gwinnett_County_enriched. Fermez maintenant la fenêtre Geoprocessing (Géotraitement) au lieu d’exécuter l’outil.
- Cliquez sur Run (Exécuter).
La couche Gwinnett_County_enriched est ajoutée à la fenêtre Contents (Contenu) et apparaît sur la carte. Cette couche ne semble pas différente de la couche d’origine, mais elle contient de nouvelles informations dans sa table attributaire.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Gwinnett_County_enriched et sélectionnez Attribute Table (Table attributaire). Dans la table, faites défiler l’écran vers la droite.
Les variables que vous avez sélectionnées ont été ajoutées comme champs attributaires. Chaque variable est représentée par une colonne dans la table.
- Fermez la table. Enregistrez le projet.
Évaluer la corrélation entre les variables
Avant d’utiliser les variables que vous avez ajoutées pour l’analyse, vous allez étudier les corrélations entre elles. Les variables fortement corrélées peuvent avoir un impact disproportionné et fausser les résultats. Si deux variables sont corrélées, il se peut que vous deviez en supprimer une.
Pour déterminer la corrélation, vous allez créer une matrice de nuages de points, qui affiche les modèles et relations dans vos données.
- Dans la fenêtre Contents (Contenu), vérifiez que la couche Gwinnett_County_enriched est sélectionnée.
- Sur le ruban, cliquez sur l’onglet Données. Dans le groupe Visualize (Visualiser), cliquez sur Create Chart (Créer un diagramme) et sélectionnez Scatter Plot Matrix (Matrice de nuages de points).
Un diagramme vide et la fenêtre Chart Properties (Propriétés du diagramme) apparaissent.
- Dans la fenêtre Chart Properties (Propriétés du diagramme), sous Numeric Fields (Champs numériques), cliquez sur Select (Sélectionner).
- Dans le menu Select (Sélectionner), cochez les cases des champs suivants :
- 2024 Median Household Income (Revenu médian des ménages 2024)
- 2022 HHs w/Food Stamps/SNAP (ACS 5-Yr): Percent (Pourcentage de ménages bénéficiant de bons alimentaires/SNAP [ACS 5 ans] [2022])
- 2024 Median Home Value (Valeur médiane du logement [2024])
- 2024 Owner Occupied HUs: Percent (Pourcentage de logements occupés par leur propriétaire [2024])
- 2022 HHs/Gross Rent 50+% of Income (ACS 5-Yr): Percent (Pourcentage de ménages dont le loyer brut représente 50 % ou plus des revenus [ACS 5 ans] [2022])
- 2022 HHs: Inc Below Poverty Level (ACS 5-Yr): Percent (Ménages 2022 : rev. sous le seuil de pauvreté (ACS 5 ans) : Pourcentage)
- 2024 Pop Age 25+: Bachelor’s Degree: Percent (Pourcentage de la population âgée de 25 ans ou plus ayant obtenu une licence [2024])
- 2024 Unemployed Population 16+: Percent (Pourcentage de la population âgée de 16 ans ou plus sans emploi [2024])
- 2022 HHs w/1+ Persons w/Disability (ACS 5-Yr): Percent (Pourcentage de ménages comptant une ou plusieurs personnes handicapées [ACS 5 ans] [2022])
- 2022 Pop 35-64: No Health Insurance (ACS 5-Yr): Percent (Pourcentage de la population âgée de 35 à 64 ans sans assurance maladie [ACS 5 ans] [2022])
- 2022 Pop 65+: No Health Insur (ACS 5-Yr): Percent (Pourcentage de la population âgée de 65 ans ou plus sans assurance maladie [ACS 5 ans] [2022])
- 2022 HHs w/No Internet Access (ACS 5-Yr): Percent (Pourcentage de ménages sans accès Internet [ACS 5 ans] [2022])
- Cliquez sur Apply (Appliquer).
Le diagramme est mis à jour et représente une matrice de nuages de points pour les champs sélectionnés. Vous allez définir le diagramme de sorte qu’il utilise le coefficient de corrélation de Pearson, une méthode statistique permettant d’évaluer le degré de corrélation entre les variables.
- Sous Trend (Tendance), sélectionnez Show trend line (Afficher une ligne de tendance).
- Sous Matrix Layout (Mise en page de la matrice), définissez les paramètres suivants :
- Pour Lower left (Inférieur gauche), sélectionnez Pearson's r (Coefficient de corrélation de Pearson).
- Pour Upper right (Supérieur droit), sélectionnez Scatterplots (Nuages de points).
- Pour Sort by (Trier par), sélectionnez Pearson's r (Coefficient de corrélation de Pearson).
Le diagramme est mis à jour.
Remarque :
Pour mieux voir les noms des variables, vous allez redimensionner le diagramme. Vous pouvez également pointer sur un rectangle pour afficher les noms des variables comparées.
Les rectangles colorés indiquent le degré de corrélation entre les variables correspondantes sur les axes X et Y. Les rectangles en rose foncé indiquent une corrélation négative (lorsqu’une variable augmente, l’autre diminue), tandis que les rectangles en vert foncé indiquent une corrélation positive (lorsqu’une variable augmente, l’autre augmente également). Le nombre à l’intérieur de chaque rectangle correspond à son coefficient de corrélation de Pearson, dont la valeur est comprise entre -1 et 1. La valeur 0 indique l’absence de corrélation. Les valeurs inférieures à -0,8 indiquent une très forte corrélation négative, tandis que les valeurs au-dessus de 0,8 indiquent une très forte corrélation positive.
Globalement, il n’existe pas une forte corrélation entre la plupart des variables. La corrélation la plus forte est observée entre le revenu médian des ménages et les logements occupés par des propriétaires. Ce rectangle possède un coefficient de corrélation de Pearson de 0,72.
Vous avez la possibilité de supprimer l’une de ces variables de votre analyse en raison de leur forte corrélation. Toutefois, dans le cadre de ce didacticiel, vous allez garder les deux variables car une corrélation entre les variables est admise.
- Fermez le diagramme et la fenêtre Chart Properties (Propriétés du diagramme).
- Enregistrez le projet.
Jusqu’à présent, vous avez créé une couche de secteurs de recensement pour le comté de Gwinnett, en Géorgie. Vous avez enrichi cette couche avec des données socio-économiques et évalué la corrélation entre les variables avec une matrice de nuages de points. Vous êtes prêt à effectuer une analyse d’adéquation.
Calculer les scores de priorité
L’analyse d’adéquation avec ArcGIS Business Analyst Pro permet de classer et d’évaluer des sites en fonction de plusieurs critères de pondération. Dans ce cas, vos critères sont les variables que vous avez utilisées pour enrichir la couche des secteurs de recensement. Vous allez utiliser l’analyse d’adéquation pour identifier les zones dont la vulnérabilité socio-économique est plus élevée et où l’intervention peut être prioritaire selon les besoins.
Réaliser une analyse d’adéquation
Vous allez d’abord créer une couche pour l’analyse d’adéquation. Ensuite, vous allez spécifier les champs à utiliser comme critères d’adéquation et ajuster l’influence de chacun d’entre eux comme il convient. Le résultat de votre analyse sera un score d’adéquation pour chaque secteur de recensement, qui indique un niveau de priorité supérieur ou inférieur pour intervenir.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Workflows (Processus), cliquez sur Business Analysis (Analyse commerciale) et sélectionnez Suitability Analysis (Analyse d’adéquation).
L’outil Make Suitability Analysis Layer (Créer une couche d’analyse d’adéquation) apparaît. Cet outil crée une nouvelle couche dans la fenêtre Contents (Contenu) destinée au stockage de vos résultats d’analyse.
- Pour Input Features (Entités en entrée), sélectionnez Gwinnett_County_enriched (Comté_Gwinnett_enrichi). Pour Layer Name (Nom de la couche), saisissez Niveaux de priorité du comté de Gwinnett.
- Cliquez sur Run (Exécuter).
L’outil s’exécute et la couche est créée. Vous allez maintenant choisir les critères à analyser.
- Sur le ruban, cliquez sur l’onglet Suitability Analysis (Analyse d’adéquation). Dans le groupe Criteria (Critères), cliquez sur le menu déroulant Add Criteria (Ajouter des critères), puis sélectionnez Add Fields from Input Layer (Ajouter des champs à partir de la couche en entrée).
La fenêtre de l’outil Add Field Based Suitability Criteria (Ajouter des critères d’adéquation basés sur les champs) s’affiche.
- Pour Input Suitability Analysis Layer (Couche d’analyse d’adéquation en entrée), vérifiez que Gwinnett County Priority Levels (Niveaux de priorité du comté de Gwinnett) est sélectionné. Pour Fields (Champs), cliquez sur le bouton Add Many (Ajouter plusieurs).
Une liste des champs de la couche apparaît, y compris les variables ajoutées par enrichissement.
- Dans la liste, cochez la case des champs suivants :
- 2024 Median Household Income (Revenu médian des ménages 2024)
- 2022 HHs w/Food Stamps/SNAP (ACS 5-Yr): Percent (Pourcentage de ménages bénéficiant de bons alimentaires/SNAP [ACS 5 ans] [2022])
- 2024 Median Home Value (Valeur médiane du logement [2024])
- 2024 Owner Occupied HUs: Percent (Pourcentage de logements occupés par leur propriétaire [2024])
- 2022 HHs/Gross Rent 50+% of Income (ACS 5-Yr): Percent (Pourcentage de ménages dont le loyer brut représente 50 % ou plus des revenus [ACS 5 ans] [2022])
- 2022 HHs: Inc Below Poverty Level (ACS 5-Yr): Percent (Ménages 2022 : rev. sous le seuil de pauvreté (ACS 5 ans) : Pourcentage)
- 2024 Pop Age 25+: Bachelor’s Degree: Percent (Pourcentage de la population âgée de 25 ans ou plus ayant obtenu une licence [2024])
- 2024 Unemployed Population 16+: Percent (Pourcentage de la population âgée de 16 ans ou plus sans emploi [2024])
- 2022 HHs w/1+ Persons w/Disability (ACS 5-Yr): Percent (Pourcentage de ménages comptant une ou plusieurs personnes handicapées [ACS 5 ans] [2022])
- 2022 Pop 35-64: No Health Insurance (ACS 5-Yr): Percent (Pourcentage de la population âgée de 35 à 64 ans sans assurance maladie [ACS 5 ans] [2022])
- 2022 Pop 65+: No Health Insur (ACS 5-Yr): Percent (Pourcentage de la population âgée de 65 ans ou plus sans assurance maladie [ACS 5 ans] [2022])
- 2022 HHs w/No Internet Access (ACS 5-Yr): Percent (Pourcentage de ménages sans accès Internet [ACS 5 ans] [2022])
- Cliquez sur Add (Ajouter).
Les 12 champs sont ajoutés.
- Cliquez sur Run (Exécuter).
L’outil s’exécute. Il calcule un score d’adéquation pour chaque secteur de recensement en fonction des champs que vous avez sélectionnés. La symbologie de la couche Gwinnett County Priority Levels (Niveaux de priorité du comté de Gwinnett) s’actualise pour montrer la plage de valeurs du score d’adéquation.
Pour ces résultats, on part du principe que les 12 champs, ou critères, ont la même pondération et la même influence. Cependant, tous les critères n’influencent pas la vulnérabilité socio-économique de la même façon. Par exemple, une valeur Revenu médian des ménages plus élevée indique une vulnérabilité moindre, tandis qu’une valeur Population sans emploi plus élevée indique une vulnérabilité plus forte. Vous allez ajuster les variables afin que leur influence sur l’analyse soit appropriée.
Par défaut, lorsque vous modifiez les critères, les résultats sont automatiquement calculés et appliqués sur la carte. Vous allez désactiver le calcul automatique jusqu’à ce que toutes les modifications aient été apportées.
- Sur l’onglet Suitability Analysis (Analyse d’adéquation), dans le groupe Suitability Score (Score d’adéquation), désactivez Auto Calculate (Calculer automatiquement).
- Dans le groupe Criteria (Critères), cliquez sur Suitability Analysis Pane (Fenêtre Analyse d’adéquation).
La fenêtre Suitability Analysis (Analyse d’adéquation) s’ouvre. Elle répertorie les critères utilisés dans l’analyse. Chaque critère possède plusieurs paramètres associés.
Dans la fenêtre Suitability Analysis (Analyse d’adéquation), sous Settings (Paramètres), cliquez sur Weighting (Pondération). Vous constaterez que par défaut, tous les critères ont la même valeur Weight (Pondération). La pondération représente le degré d’importance d’un critère sur l’analyse par rapport aux autres critères. Elle s’exprime sous forme de pourcentage et le total de toutes les pondérations combinées doit être égal à 100. Comme vous avez 12 variables, la pondération par défaut est égale à 100 divisé par 12, soit 8,33. Vous pouvez ajuster les pondérations afin d’augmenter ou de réduire l’importance de certaines variables dans l’analyse. Par exemple, vous pouvez augmenter l’importance de la variable Revenu médian des ménages et réduire celle de la variable Ménages bénéficiant de coupons alimentaires.
Le paramètre Influence détermine si un critère exerce une influence positive ou négative sur l’analyse. Par défaut, tous les critères ont une influence positive, ce qui signifie que les valeurs plus élevées désignent une intervention prioritaire. Bien que cette influence soit correcte pour la plupart des critères, d’autres (comme le revenu médian des ménages) devraient avoir une influence négative, ce qui signifie que des valeurs plus faibles indiquent une priorité plus élevée.
L’option Filter (Filtrer) fournit les paramètres Minimum Value (Valeur minimale) et Maximum Value (Valeur maximale) permettent d’exclure les entités se trouvant hors de la plage des valeurs minimale et maximale de l’analyse.
Dans ce didacticiel, vous ne modifierez pas les pondérations ni les valeurs de filtre. Vous allez en revanche modifier l’influence de certains paramètres.
- Dans l’onglet Criteria (Critères), faites défiler les variables pour trouver la variable 2024 Median Household Income (Revenu médian des ménages 2024). Pour Influence, choisissez Inverse.
- Pour les variables suivantes, définissez Influence sur Inverse :
- 2024 Median Home Value (Valeur médiane du logement [2024])
- 2024 Owner Occupied HUs: Percent (Pourcentage de logements occupés par leur propriétaire [2024])
- 2024 Pop Age 25+: Bachelor’s Degree: Percent (Pourcentage de la population âgée de 25 ans ou plus ayant obtenu une licence [2024])
Tous les critères disposent maintenant d’une influence appropriée sur l’analyse. Vous allez recalculer le score d’adéquation.
- Sur le ruban, dans le groupe Suitability Score (Score d’adéquation), cliquez sur Calculate (Calculer).
La couche Gwinnett County Priority Levels (Niveaux de priorité du comté de Gwinnett) s’actualise pour refléter les modifications que vous avez apportées. Les secteurs dont la priorité est plus faible apparaissent en jaune et ceux dont la priorité est plus élevée sont en rouge.
La carte montre de nombreux secteurs de recensement hautement prioritaires dans la partie centre ouest du comté, avec quelques secteurs prioritaires au nord et au sud.
- Cliquez sur View Results (Afficher les résultats) pour accéder à un résumé de vos résultats.
Vous pouvez les explorer de manière interactive dans un histogramme, un nuage de points ou une vue tabulaire et exporter vos résultats au format Excel. Dans la vue Summary (Résumé), vous pouvez constater que le comté de Gwinnett compte 220 secteurs de recensement, avec un score d’indice de vulnérabilité socio-économique de 0,3. Vous pouvez également explorer les 5 premiers et les 5 derniers secteurs de recensement de manière interactive en fonction des scores de vulnérabilité.
- Enregistrez le projet.
Symboliser les secteurs
Maintenant que votre analyse d’adéquation est terminée, vous allez symboliser les résultats. On compte actuellement cinq classes de symboles, définies par des modèles statistiques dans le jeu de données. Votre symbologie permettra de classer les données en quartiles, qui divisent les données en quatre parties égales.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Gwinnett County Priority Levels (Niveaux de priorité du comté de Gwinnett) et sélectionnez Symbology (Symbologie).
La fenêtre Symbology (Symbologie) apparaît. La couche utilisant déjà des couleurs graduées pour sa symbologie, il vous reste à changer la méthode et le nombre de classes.
- Dans Method (Méthode), sélectionnez Quantile. Pour Classes, sélectionnez 4.
Vous allez également modifier la combinaison de couleurs.
- Dans Color scheme (Combinaison de couleurs), sélectionnez Purples (4 Classes) (Violets [4 classes]).
![Combinaison de couleurs Purples (4 Classes) (Violets [4 classes])](GUID-05A8EED6-85A3-45B2-A769-1EBD752954B7-web.png "Combinaison de couleurs Purples (4 Classes) (Violets [4 classes])")
Conseil :
Pour voir le nom d’une combinaison de couleurs, positionnez le curseur dessus ou cochez la case Show names (Afficher les noms).
La symbologie s'actualise sur la carte. La couche comporte désormais quatre classes de symboles. Chaque classe de symbole représente 25 pour cent du nombre total de secteurs de recensement, organisés par niveau de priorité.
Les étiquettes des classes de symboles utilisent les limites des scores d’adéquation de chaque quartile. Les scores d’adéquation n’auront peut-être pas beaucoup de sens pour les utilisateurs qui ne comprennent pas leur signification. Vous allez modifier les étiquettes des classes de symboles de façon à décrire le niveau de priorité de chaque quartile.
- Sous Classes, double-cliquez sur l’étiquette de la première classe de symbole pour la modifier. Saisissez Classe 1 : priorité moindre et appuyez sur Entrée.
- Modifiez l’étiquette de la deuxième classe d’étiquette en Classe 2 : priorité faible, la troisième en Classe 3 : priorité modérée et la quatrième en Classe 4 : priorité élevée.
Les étiquettes sont mises à jour dans la fenêtre Contents (Contenu).
- Fermez la fenêtre Symbology (Symbologie). Enregistrez le projet.
Vous avez effectué une analyse d’adéquation dans ArcGIS Business Analyst Pro afin d’évaluer les secteurs de recensement dans lesquels les interventions doivent être prioritaires et d’améliorer les vulnérabilités socio-économiques. Vous allez ensuite contextualiser vos résultats à l’aide de diagrammes et de données démographiques.
Contextualiser les résultats
D’après les indicateurs de vulnérabilité socio-économique, la couche que vous avez créée privilégie les interventions dans le comté de Gwinnett. Même si votre analyse est terminée, vous pouvez toujours améliorer la carte en lui apportant du contexte pour mieux comprendre les données démographiques du comté.
Vous allez d’abord créer un diagramme qui illustre des variables démographiques spécifiques, telles que le revenu, pour chaque niveau de priorité. Vous allez ensuite ajouter une autre couche à la carte qui montre la race ou l’origine ethnique prédominante dans chaque secteur. Ce contexte peut aider les responsables politiques à prendre des décisions plus avisées concernant la juste répartition des ressources en fonction des besoins.
Classer les secteurs par niveau de priorité
Lorsque vous avez symbolisé la couche de niveaux de priorité, vous avez classé les données en quartiles. Ces quartiles ont servi de base aux niveaux de priorité, compris entre une priorité moindre et une priorité élevée. Cette classification n’est actuellement en vigueur que dans la symbologie de la couche. Pour créer un diagramme ou réaliser d’autres analyses à l’aide de cette classification, vous devez créer un champ dans la table attributaire de la couche pour montrer le niveau de priorité de chaque secteur. Pour ce faire, vous pouvez utiliser l’outil Reclassify Field (Reclasser un champ).
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).
- Dans la fenêtre Geoprocessing (Géotraitement), recherchez et ouvrez l’outil Reclassify Field (Reclasser un champ).
Cet outil reclasse un champ en fonction d’une méthode statistique spécifiée et crée un nouveau champ avec les résultats.
- Pour Input Table (Table en entrée), sélectionnez Gwinnett County Priority Levels\Candidate Sites (Niveaux de priorité du comté de Gwinnett\Sites candidats).
Vous allez maintenant sélectionner le champ à reclasser. Le champ en sortie créé par votre analyse d’adéquation se nomme Final Score (Score final).
- Dans Field to Reclassify (Champ à reclasser), sélectionnez Final Score (Score final).
- Pour Reclassification Method (Méthode de reclassification), sélectionnez Quantile. Pour Number of Classes (Nombre de classes), saisissez 4.
- Pour Output Field Name (Nom du champ en sortie), saisissez Niveau_priorité_par_quartile.
- Cliquez sur Run (Exécuter).
L’outil s’exécute. Comme l’impact de l’analyse s’est limité à la table attributaire, la carte ne change pas.
- Ouvrez la table attributaire de la couche Candidate Sites (Sites candidats). Faites défiler la table jusqu’à la fin.
L’outil a ajouté deux champs à la fin de la table : Priority_Level_by_Quartile_CLASS (Niveau_priorité_par_quartile_CLASSE) et Priority_Level_by_Quartile_RANGE (Niveau_priorité_par_quartile_PLAGE). Le premier indique si un secteur se trouve dans le premier, le deuxième, le troisième ou le quatrième quartile, tandis que le second indique la plage de valeurs dans le quartile du secteur. Puisque vous avez utilisé la même méthode de classification pour la symbologie de la couche, les classes dans la table correspondent aux symboles.
- Fermez la table.
Créer un diagramme pour comparer les classes
L’intérêt de créer un champ avec les classes de quartiles est que vous pouvez utiliser ces classes pour réaliser d’autres analyses. Par exemple, vous pourrez ainsi connaître l’évolution d’un indicateur socio-économique spécifique (tel qu’un revenu médian) d’une classe à une autre. Vous allez créer un diagramme qui illustre le revenu médian moyen pour chaque classe.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur Candidate Sites (Sites candidats), placez le pointeur de la souris sur Create Chart (Créer un diagramme), puis sélectionnez Bar Chart (Diagramme à barres).
Un diagramme et la fenêtre Chart Properties (Propriétés du diagramme) apparaissent.
- Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Category or Date (Catégorie ou Date), sélectionnez Priority_Level_by_Quartile_CLASS (Niveau_priorité_par_quartile_CLASSE).
Vous allez configurer l’axe y de façon à afficher le revenu moyen des ménages.
- Pour Aggregation (Agrégation), choisissez Mean (Moyenne).
- Pour Numeric fields (Champs numériques), cliquez sur Select (Sélectionner). Cochez la case 2024 Median Household Income (Revenu médian des ménages 2024) et cliquez sur Apply (Appliquer).
Le diagramme s’actualise pour afficher le revenu médian des ménages 2024 moyen pour chaque niveau de priorité. Avant d’examiner le diagramme, vous allez modifier le titre du diagramme et les étiquettes des axes afin de les rendre plus compréhensibles.
- Dans la fenêtre Chart Properties (Propriétés du diagramme), cliquez sur l’onglet General (Général).
- Définissez les paramètres suivants :
- Pour Chart title (Titre du diagramme), saisissez Priority class by 2024 median household income.
- Pour X axis title (Titre de l’axe x), saisissez Classe de priorité.
- Pour Y axis title (Titre de l’axe Y), saisissez Mean of 2024 median household income.
Le diagramme est maintenant terminé.
Le diagramme montre nettement que le revenu médian des ménages des classes de priorité plus élevées a tendance à être plus faible. Dans la classe 1 (133 000 USD environ), le revenu est plus de deux fois plus élevé que celui de la classe 4 (58 645 USD environ), ce qui donne une idée de la disparité économique dans tout le comté. En 2024, le revenu médian des ménages en Géorgie était de 86 853 USD. La classe 3 est légèrement au-dessus de ce seuil, tandis que la classe 4 se trouve près de 30 000 USD en dessous.
Conseil :
Vous pouvez répéter le processus de cette section afin de créer des diagrammes pour n’importe quelle variable démographique utilisée dans votre analyse d’adéquation. Vous pouvez même utiliser l’outil Enrich Layer (Enrichir la couche) pour ajouter d’autres variables à comparer. Vous pouvez par exemple enrichir vos données avec des informations sur la race et l’origine ethnique et générer un diagramme par niveau de priorité pour mieux comprendre comment ces attributs diffèrent d’un groupe socio-économique à l’autre.
- Fermez le diagramme et la fenêtre Chart Properties (Propriétés du diagramme).
Ajouter des données relatives à la race et à l’origine ethnique
Jusqu’à maintenant, votre analyse n’a pas tenu compte de la race et de l’origine ethnique. Les facteurs de race et d’origine ethnique sont souvent interconnectés avec la vulnérabilité socio-économique et il peut être important de les prendre en compte afin de savoir comment prioriser les interventions. Pour contextualiser vos résultats d’analyse, vous allez ajouter une couche ArcGIS Living Atlas qui illustre la race prédominante dans chaque secteur de recensement.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Layer (Couche), cliquez sur le bouton Add Data (Ajouter des données).
- Dans la fenêtre Add Data (Ajouter des données), sous Portal (Portail), cliquez sur Living Atlas. Recherchez Variables Race et origine hispanique de l’enquête sur la population américaine.
- Double-cliquez sur ACS Race and Hispanic Origin Variables - Centroids (Variables Race et origine hispanique de l’enquête sur la population américaine – Centroïdes).
La couche comporte trois sous-couches correspondant aux différentes géographies : County (Comté), State (État) et Tract (Secteur). Vous allez ajouter la couche Tract (Secteur) puisque l’analyse porte sur des secteurs de recensement.
- Double-cliquez sur Tract (Secteur).
La couche est ajoutée à la carte.
La couche affiche des centroïdes ou symboles ponctuels qui représentent le centre d’un polygone (dans ce cas, les polygones des secteurs de recensement). La taille du cercle correspond à la population, tandis que la couleur correspond à la race ou l’origine ethnique prédominante dans chaque secteur. La transparence de chaque symbole indique l’importance de la prédominance.
Vous allez créer un ensemble de définition pour montrer uniquement le comté de Gwinnett.
- Dans la fenêtre Contents (Contenu), double-cliquez sur Tract (Secteur).
- Dans la fenêtre Layer Properties (Propriétés de la couche), cliquez sur l’onglet Definition Query (Ensemble de définition). Cliquez sur New definition query (Nouvel ensemble de définition).
- Créez la clause Where State is equal to Georgia (Où État est égal à Géorgie). Ajoutez la clause And County is equal to Gwinnett County (Et Comté est égal à Comté de Gwinnett).
- Cliquez sur OK.
La fenêtre Layer Properties (Propriétés de la couche) se ferme et la requête est appliquée. Désormais, seuls les centroïdes du comté de Gwinnett apparaissent.
Pour finir, vous allez ajuster la symbologie afin que les centroïdes apparaissent plus clairement par rapport aux niveaux de priorité.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Tract (Secteur) et sélectionnez Symbology (Symbologie).
Vous allez attribuer un halo à chaque symbole afin qu’ils se démarquent plus nettement sur les différentes couleurs d’arrière-plan.
- Sous Classes, cliquez sur More (Plus) et sélectionnez Format all symbols (Mettre en forme tous les symboles).
- Cliquez sur l’onglet Properties (Propriétés). Développez Halo, puis définissez Halo symbol (Symbole de halo) sur Black fill (Remplissage noir).
- Remplacez la valeur du champ Halo size (Taille du halo) par 0.5 (0,5) pt.
- Au bas de la fenêtre Symbologie, cliquez sur Appliquer.
Le halo est appliqué à la carte. Vous allez également ajuster la taille et la transparence des symboles.
- Cliquez sur le bouton d’options et sélectionnez Vary symbology by attribute (Varier la symbologie par attribut).
- Développez Transparence. Dans Low values (Valeurs faibles), saisissez 60% (60 %).
- Développez le champ Size (Taille). Définissez Minimum sur 5 pt et Maximum sur 35 pt.
Les modifications sont appliquées à la carte. La couleur de chaque symbole est maintenant plus visible.
Sur la carte, la diversité raciale et ethnique du comté de Gwinnett est clairement visible. De nombreux secteurs de recensement hautement prioritaires dans la partie ouest du comté comportent des centroïdes verts (population hispanique) ou jaune (population noire), ce qui suggère un élément de disparité raciale à prendre en compte pour la vulnérabilité socio-économique. Ces données offrent un contexte aux responsables politiques pour mieux comprendre comment la race et l’origine ethnique recoupent vos résultats.
- Enregistrez le projet.
Logique des variables
Chacun des indicateurs ou variables de cette analyse d’exemple reflète une dimension différente de la vulnérabilité socio-économique. Il est conseillé de sélectionner et de développer les dimensions et indicateurs en collaboration avec un groupe d’intervenants qui intègre des membres ou représentants de la communauté affectée. Pour plus d’informations sur la sélection d’indicateurs pour créer un indice composite, consultez l’article technique Esri Creating Composite Indices Using ArcGIS: Best Practices.
| Dimension | Variables ou indicateurs | But du processus |
|---|---|---|
| Revenus et situation d’emploi |
| Les revenus et la situation d’emploi peuvent indiquer la santé économique globale et la vigueur du marché de l’emploi d’une zone. |
Pauvreté et aide gouvernementale |
| Un taux de pauvreté élevé est un indicateur de la santé économique globale d’une communauté et de la proportion de la population qui lutte pour satisfaire ses besoins élémentaires (nourriture, logement et santé). La pauvreté est par ailleurs souvent associée à toute une gamme d’autres vulnérabilités, dont l’accès restreint à une éducation de qualité, l’exposition à des zones où les taux de criminalité sont élevés et des risques sanitaires accrus. Les enfants qui grandissent dans la pauvreté sont particulièrement à risque, avec des effets à long terme sur leur éducation, sur leur santé et sur leurs opportunités économiques à venir. |
Accessibilité au logement et charge du logement |
| L’accessibilité au logement révèle la charge financière qui pèse sur les ménages. Les dépenses pour le logement ne devraient dans l’idéal pas dépasser 28 à 33 pour cent des revenus d’un ménage. Les ménages qui supportent de lourds crédits hypothécaires sont plus exposés à l’instabilité économique en cas de réduction de revenu ou de perte d’emploi. La valeur médiane du logement est un indicateur qui peut refléter la prospérité économique globale d’une zone, tandis que le pourcentage de logements occupés par leurs propriétaires offre des informations précieuses sur la stabilité de la communauté et l’investissement à long terme. |
Enseignement et accès numérique |
| Des niveaux d’éducation plus élevés conduisent généralement à de meilleures perspectives professionnelles, des revenus plus élevés et une meilleure qualité de vie. L’accès à Internet est essentiel pour l’éducation, la recherche d’emploi et l’accès aux services. L’absence d’un accès numérique peut exacerber les disparités éducatives et économiques. |
Accès aux soins de santé |
| Les personnes non couvertes par une assurance maladie peuvent avoir des difficultés à payer des frais médicaux élevés. Cela peut conduire à une tension économique significative, en particulier en cas de maladie ou blessure inattendue et grave. Les personnes dépourvues d’assurance maladie ont moins de chance de bénéficier des services de soins préventifs, tels que des contrôles réguliers, des vaccinations et des dépistages précoces. Cela peut entraîner des diagnostics et traitements tardifs et donc des états de santé plus graves et plus coûteux à soigner. |
Handicap et accessibilité |
| Ce composant reconnaît les défis uniques auxquels doivent faire face les ménages comptant une ou plusieurs personnes handicapées. Les handicaps peuvent avoir un impact sur les opportunités d’emploi, les niveaux de revenus, l’accès aux soins de santé et la qualité de vie dans son ensemble. |
Dans ce didacticiel, vous avez effectué une analyse d’adéquation pour déterminer la vulnérabilité socio-économique. Vous avez enrichi les données des secteurs de recensement avec des indicateurs socio-économiques, calculé des scores de vulnérabilité pour chaque secteur et contextualisé les résultats avec des données sur la race et l’origine ethnique, ce qui a permis de dévoiler des renseignements importants capables d’orienter des stratégies. Cette analyse vous a permis de mettre en évidence le comté de Gwinnett comme étant prioritaire pour recevoir des interventions ciblées et a permis aux responsables politiques de savoir comment apporter un changement positif dans la communauté grâce à ces renseignements.
Ce processus peut être exécuté pour n’importe quel comté des États-Unis. Pour voir une analyse au niveau national, consultez la carte Web Socioeconomic Vulnerability. Pour en savoir plus sur le processus d’analyse d’adéquation, consultez Réaliser une analyse d’adéquation.
Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.
