Application of selected methods of spatial statistics to analyze the presidential elections results in Poland in 2010

Celem pracy było określenie autokorelacji przestrzennej wyników wyborów prezydenckich w 2010 roku w gminach Polski. W pracy wykorzystano dane Państwowej Komisji Wyborczej o wynikach, frekwencji oraz odsetku głosów nieważnych w wyborach prezydenckich w 2010 roku. Analizę przeprowadzono dla wszystkich gmin w Polsce. Autokorelację badano na podstawie takich wskaźników jak globalny współczynnik autokorelacji I Morana oraz globalnej statystyki C Geary’ego. Rozpatrzono także dobór macierzy wag przestrzennych, jako kluczowy proces w analizie i wykorzystano lokalne wskaźniki zależności przestrzennej. Badania wykazały złożoność preferencji wyborczych w aspekcie przestrzennym. Wartości poparcia dla kandydatów w sąsiednich gminach wykazały silną autokorelację przestrzenną (I Morana wyniósł 0,829). Rozkład odsetka głosów nieważnych zidentyfikowano jako zbliżony do losowego (I Morana równy 0,149). Wszelkie istotne zależności przestrzenne zaobserwowano dla jednostek graniczących ze sobą. Wraz ze wzrostem rzędu sąsiedztwa i wzrostem odległości spada wartość autokorelacji przestrzennej. Trendy poparcia dla kandydatów zostały zidentyfikowane za pomocą lokalnych wskaźników zależności przestrzennych. Metody przestrzenne są coraz częściej stosowane w analizach procesów ekonomicznych i społecznych. Prawidłowe zastosowanie tych metod jest wskazane w naukach, w których analizowane zjawisko odbywa się w przestrzeni.The aim of this thesis was to determine the spatial autocorrelation of the presidential election results in 2010 in Polish communities. The study is based on data of the National Electoral Commission regarding the results, attendance and percentage of invalid votes in the presidential election in 2010. The analysis was performed for all municipalities in Poland. Autocorrelation were examined on the basis of indicators such as Moran’s I global autocorrelation coefficient and Geary’s C global statistics. A choice of spatial weights matrix as a key process in the analysis was also considered and local indicators of spatial dependency were used. Studies have shown the complexity of the voting preferences in the spatial aspect. The values of support for candidates in the neighboring communities showed a strong spatial autocorrelation (Moran's I was 0.829). Distribution of the percentage of invalid votes have been identified as similar to the random (Moran's I equals 0.149). Any significant spatial relationship was observed for the contiguous units. Together with the increase of the order of the neighborhood and the distance the value of spatial autocorrelation decreases. Trends in support for the candidates have been identified by local indicators of spatial relationships. Spatial methods are being increasingly used in the analysis of economic and social processes. Proper application of these methods is indicated in studies of which the analyzed occurrence takes place in the space