Super Combo Análise Espacial

O que você vai aprender (e aplicar de verdade)

Transforme planilhas e shapefiles em insights espaciais bonitos e replicáveis — mesmo começando do zero no R.

1) Mapas temáticos no R (sf + ggplot2)

Ler dados (Excel) e shapefiles oficiais do IBGE.

Padronizar chaves (códigos/nomes), juntar mapa + tabela sem dor de cabeça.

Criar mapas contínuos (valores exatos) e categorizados (quantis/faixas).

Ajustar títulos, legendas, paletas e exportar com qualidade de publicação.

Reaplicar o fluxo para outros estados e variáveis em minutos.

2) Painel de saúde com geobr + SISAB (Brasil, SP e RJ)

Baixar shapes com geobr e padronizar município/UF (acentos, caixa, espaços).

Criar classes fixas para comparação entre regiões (mesma régua visual).

Mapear 7 indicadores de saúde (pré-natal, testagem, odontologia, citopatológico, vacinas, hipertensão, diabetes).

Inserir médias nacional/estaduais no próprio mapa (anotação automática).

Montar um kit de cores e breaks para produção em escala.

3) Estatística espacial na prática: Moran’s I e LISA

Construir vizinhança (quem é vizinho de quem) e matriz de pesos.

Calcular Moran’s I (global) para detectar autocorrelação espacial.

Ler o dispersograma de Moran (inclinação, sinais, quadrantes).

Calcular o LISA (local) e identificar clusters Alto-Alto, Baixo-Baixo e outliers Alto-Baixo / Baixo-Alto.

Produzir mapas LISA de diagnóstico territorial prontos para relatório.

Para quem é

Gestores públicos, pesquisadores, jornalistas de dados e analistas que precisam mapear indicadores e comprovar padrões espaciais com método e visual profissional.

O que você sai sabendo fazer

Um pipeline completo: dados → mapa → diagnóstico espacial (Moran/LISA).

Reprodutível, limpo e escalável para qualquer estado/indicador.

Pré-requisitos

Noções básicas de R ajudam, mas o material foi escrito em linguagem natural e passo a passo — do “abrir a planilha” ao “interpretar clusters”.