1、莫兰指数一、分析步骤1、 ArcGIS中，工具在如下位置： Spatial Statistics Tools Analyzing Patterns Spatial Autocorrelation(Morans I)2、参数设置用距离来对空间概念进行的描述的方式，就是所谓的空间关系的概念化。选择了CONTIGUITY_EDGES_CORNERS，共边共点都被视为邻接要素。3、在结果栏中，双击生成的*.html 的页面， 弹出如下三、数据分析1、理论知识（1）零假设（null hypothesis） ，有时候又称原假设，你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率
2、分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。如果你的计算结果落在-2 到 2之间，就表示你的假设是可以接受得，但是不在这个范围内，就说明消息小概率事件了。既然有小概率事件，就说明两种可能：1，你的假设有错误；2，出现了异常值。（2）p 值和 Z得分p值代表数据来源的可靠性，z 得分和莫兰指数都表示此数据有明显的规律。p 值（P-Value，Probability，Pr） ，代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。如果是 0.1，就表示只有 10%的可
3、能性是随机生成的结果。P 值要小于 0.1.标准差能反映一个数据集的离散程度，Z 得分，就是标准差的倍数（有正负之分）（3）置信度要进行数据分析，我们首先就要设立一个置信度，也就是说，你要设定你的数据，起码要有多大的可能性，被落在你期望的区间内。2、结果分析 数据分布出现显著的随机分布特性，无法拒绝零假设，无分析价值。 数据分布仅有小于 10%的可能是随机分布的，出现数据聚集的可能性大于随机分布的可能性，但是不能显著的拒绝零假设。 （p 值为 0.09） 数据分布仅有小于 5%的可能是随机分布的，出现数据聚集的可能性大于随机分布的可能，且能够显著的拒绝零假设。此结果表示 XX数据的空间分布，出现一定的聚集特征，且具有空间正相关模式，用于分析的值与空间聚集度成正比。
