文档介绍：空间自相关统计量
空间自相关的测度指标 1 全局空间自相关 全局空间自相关是对属性值在整个区域的空间特征的描述 [8] 。表示全局空间自相关的指标和方法许多，主要有全局 Moran’s I、全局 Geary’s 假如邻近空间位置的视察值都大，全局 Getis-Ord G 的值也大；假如邻近空间位置的视察值都小，全局 Getis-Ord G 的值也小。因此，可以区分热点区和冷点区两种不同的正空间自相关，这是全局 Getis-Ord G 的典型特性，但是它在识别负空间自相关时效果不好。
全局 Getis-Ord G 的数学期望 E(G)=W/n(n-1)，当全局 Getis-Ord G 的视察值大于数学期望，并且有统计学意义时，提示存在热点区；当全局 Getis-Ord
G 的视察值小于数学期望，提示存在冷点区。假设检验方法同全局 Moran’s I 和全局 Geary’s C。
2 2 局部空间自相关
局部空间自相关统计量 LISA 的构建须要满意两个条件[9] ：①局部空间自相关统计量之和等于相应的全局空间自相关统计量；②能够指示每个空间位置的视察值是否与其邻近位置的视察值具有相关性。相对于全局空间自相关而言，局部空间自相关分析的意义在于：①当不存在全局空间自相关时，找寻可能被掩盖的局部空间自相关的位置；②存在全局空间自相关时，探讨分析是否存在空间异质性；③空间异样值或强影响点位置的确定；④找寻可能存在的与全局空间自相关的结论不一样的局部空间自相关的位置，如全局空间自相关分析结论为正全局空间自相关，分析是否存在有少量的负局部空间自相关的空间位置，这些位置是探讨者所感爱好的。由于每个空间位置都有自己的局部空间自相关统计量值，因此，可以通过显著性图和聚集点图等图形将局部空间自相关的分析结果清晰地显示出来，这也是局部空间自相关分析的优势所在[3,5] 。
局部 Moran ’ s I
为了能识别局部空间自相关，每个空间位置的局部空间自相关统计量的值都要计算出来，空间位置为 i 的局部 Moran’s I 的计算公式为：
å--=jj ijiix x wSx xI ) () (2 局部 Moran 指数检验的标准化统计量为：
) () () (ii iiI VARI E II Z-= E(I i )和 VAR(I i )是其理论期望和理论方差。
局部 Moran’s I 的值大于数学期望，并且通过检验时，提示存在局部的正空间自相关；局部 Moran’s I 的值小于数学期望,提示存在局部的负空间自相关。缺点是不能区分热点区和冷点区两种不同的正空间自相关。
局部 Geary ’ s C
局部 Geary’s C 的计算公式为：
2( ) ( )X i jj wij xx i j m = - ¹å
( )( )var( )i iiiC E CU CC-=
局部 Geary’s C 的值小于数学期望，并且通过假设检验时，提示存在局部的正空间自相关；局部 Geary’s C 的值大于数学期望,提示存在局部的负空间自相关。缺点也是不能区分热点区和冷点区两种不