1、第四章 空间统计分析初步 探索性空间统计分析 地统计分析方法 空间统计分析 ,即空间数据（ Spatial Data） 的统计分析，是现代计量地理学中一个快速发展的方向领域。 空间统计分析，其核心就是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关，通过空间位置建立数据间的统计关系。 空间统计分析第 1节 探索性空间统计分析 一、基本原理与方法 （一）空间权重矩阵 （二）全局空间自相关 （三）局部空间自相关 二、应用实例 通常定义一个二元对称空间权重矩阵，来表达个位置的空间区域的邻近关系，其形式如下： 式 中： Wij表示区域 i与 j的临近关系，它可以根据邻接标准或距离标准来度量。
2、 一、基本原理与方法 （一）空间权重矩阵 （ 1）简单的二进制邻接矩阵 （ 2）基于距离的二进制空间权重矩阵 两种最常用的确定空间权重矩阵的规则： （二）全局空间自相关 Moran指数 和 Geary系数是两个用来度量空间自相关的全局指标。 Moran指数 反映的是空间邻接或空间邻近的区域单元属性值的相似程度， Geary 系数与 Moran指数存在负相关关系。 如果是位置（区域）的观测值，则该变量的全局 Moran指数 I， 用 如下公式 计算 ：式中： I为 Moran指数 Geary 系数 C计算公式如下： 式中： C为 Geary系数；其它变量同 上 式。 如果引入记号： 则 全局 Moran指数 I的计算公式也可以进一步写成： Moran指数 I的取值一般在 -1-1之间 ,小于 0表示负相关，等于 0表示不相关，大于 0表示正相关； Geary系数 C的取值一般在 0-2之间，大于 1表示负相关，等于 1表示不相关，而小于 1表示正相关。 对于 Moran指数， 可以用标准化统计量 Z来检验 n个区域是否存在空间自相关关系， Z的计算公式为： 当 Z值为正且显著时，表明存在正的空间自相关，也就是说相似的观测值 (高值或低值 )趋于空间集聚； 当 Z值为负且显著时，表明存在负的空间自相关，相似的观测值趋于分散分布； 当 Z值为零时，观测值呈独立随机分布。
