La cercanía debe ser una medida de accesibilidad. La accesibilidad, intuitivamente, significa más cosas (red, destinos, lo que sea) o un acceso más fácil al material. Vemos, pues, que la accesibilidad tiene dos componentes, la cantidad y la calidad; además, pueden medirse en múltiples escalas, por lo que la accesibilidad es un fenómeno multidimensional. Aun así, si estamos dispuestos a aceptar el compromiso, podemos intentar resumirlo en una sola variable.
Le site formulación original de la cercanía (y también algunas formulaciones de Sintaxis Espacial de lo que llaman Integración, casi lo mismo) lo definieron como 1/(suma de distancia). Esto funciona para mediciones globales en una red de tamaño fijo. Sin embargo, si el tamaño de la red varía, o el análisis se realiza en los buffers de la red local (lo que es más habitual en el análisis espacial hoy en día), sufre el problema de que disminuye con más cosas pero aumenta con un acceso más fácil. Por lo tanto, un aumento de 1/(suma de la distancia) podría significar más o menos accesibilidad: ¡no es una medida útil!
La cercanía se revisó pronto a 1/(distancia media). Esto mide la calidad pero no la cantidad. En las redes urbanas reales, 1/(distancia media) tiene una distribución muy sesgada, mientras que la distancia media (o -(distancia media)) tiende a tener una más normal, por lo que se suele recomendar esta última para la elaboración de modelos estadísticos, a menos que haya una razón estructural de peso para utilizar la forma inversa.
Mientras que la distancia media sólo mide la calidad, la NQPD mide tanto la cantidad como la calidad. Lo que se calcula en sDNA es SUM (weight^nqpdn / distance^nqpdd ) para que el usuario pueda especificar la importancia relativa de la cantidad y la calidad estableciendo constantes nqpdn y nqpdd . En realidad esto era una respuesta a los que querían medir la cantidad y la calidad juntas usando 1/(suma de la distancia), pero hacerlo mejor.
La alternativa a la medición conjunta de la cantidad y la calidad es utilizar explícitamente dos variables separadas: Enlaces, Longitud o Peso para la cantidad, y Distancia Media (MAD, MED, MCD, etc.) para la calidad. Para hacer algo comparable a NQPD, se podrían dividir, por ejemplo quantity^x/distance^y .
Intuitivamente, creo que NQPD es de alguna manera más preciso que este último enfoque, ya que empareja cada cantidad de enlace (que puede ser ponderada) con su calidad correspondiente antes de sumar; como un modelo micro en lugar de uno agregado. Pero las distancias medias de sDNA también son medidas ponderadas, por lo que si hay, por ejemplo, un enlace muy ponderado cerca del origen, esto se reflejará en MAD de todos modos. Quizás no importe mucho. No tengo una prueba matemática.
Por otra parte, el uso de variables separadas para la cantidad/calidad es más fácil de calibrar para cualquier variable de resultado utilizando la regresión lineal, mientras que el NQPD sería muy costoso de calibrar. Se puede construir fácilmente un modelo de gravedad a partir de las variables de cantidad y calidad y ajustarlo con una regresión translog y una función de enlace de Poisson.
Un último enfoque, como mencioné en tu otra pregunta, es utilizar el radio híbrido para hacer un modelo multivariante de la cantidad de red en múltiples radios. Active el radio de banda y calcule la cantidad de red, por ejemplo, los enlaces accesibles dentro de diferentes bandas de distancia (que pueden ser de distancia angular si lo desea, por ejemplo, 0-90, 90-180, 180-360, ... etc). A continuación, puede calibrar una curva no paramétrica de caída de la distancia utilizando una regresión multivariante; utilice algo que pueda manejar predictores correlacionados, por ejemplo, la regresión de cresta que está disponible en sDNA Learn. Así, en lugar de medir la cantidad y la calidad por separado, hemos medido la cantidad de enlaces para cada banda diferente de calidad.
