空间统计分析

本课程资源采用探索性空间分析工具模块，评估北京市建国以来的经济发展模式。

这份演示文稿详细介绍了空间统计分析的基础概念和Geoda软件的操作方法，内容实用易懂。

汇聚全球空间统计领域专家智慧，本书深入探讨空间数据分析方法与应用，为相关研究人员提供全面指导。

边界插值法的统计思路，蛮适合搞土壤或景观空间的朋友。整体插值方法的核心想法就是：边界外的变化不重要，重要的都发生在边界上，边界里的区域就按“差不多一样”。嗯，这种模型说白了就像“一个图斑一类属性”，适配做地理制图、环境建模这些。 模型用得最多的是ANOVAR（标准方差），说白了就是不同区域之间是不是有显著差异，换句话说：你这几个图斑真有区别吗？配合像ArcGIS这种工具，做空间插值的效果还挺不错，效率也高，逻辑也清晰。 如果你平时用SPSS或者Excel做数据，那你会发现这个方法跟你平常做的单因素方差其实差不多，迁移起来不难。甚至用MATLAB也能直接跑一套流程，代码还挺直白的。 不过要注意哦

变异函数的空间统计方法，是搞空间数据的老朋友了。它的核心是用来衡量空间变量之间的相似度，听着有点抽象，简单说就是你拿一个变量，比如地下水位，看看它在不同位置上变化的规律。你只要理解了γ(h)这个半变差函数公式，空间数据就能得心应手了。 一维空间里，变异函数的定义其实挺直白：两个点之间值的差的平方的平均数的一半，就是它的变异函数值。用在地质、环境监测这些场景多，像测污染物分布、矿产资源预测都离不开它。 如果你是用 MATLAB 的，资源也挺多的，像这个变异函数计算公式 MATLAB 地质统计就写得蛮清楚的，代码也不复杂。 要深入点看性质解析，可以点变异函数性质解析；如果想搞清楚变异函数和协方差函

ArcGIS空间统计工具的详细教程解释了其分析空间自相关性、地理要素的聚类和离散分布模式。ArcGIS 9提供直观强大的工具箱，支持用户以简单方式获取和分析地理要素的空间分布信息。传统统计方法忽略地理要素的空间关系，而ArcGIS空间统计强调此关系的重要性，适用于多个行业如流行病学、生物学、气象学和地质学。

协方差函数表示区域化随机变量之间的差异。空间协方差被定义为区域化变量在两个空间点之间的二阶混合中心矩。自协方差函数是区域化变量本身协方差的函数。

黑色背景下的“地统计”工具栏用起来还挺顺手的。ArcGIS 里的这个工具，专门搞空间数据统计和插值，适合那种需要做点地理建模的项目。是像克里格插值、等值线绘制这些，用它来跑一遍，效果蛮稳定的。 ArcGIS 的地统计工具里，最常用的就是插值模块。尤其是做克里格插值的时候，参数可调的地方挺多，比如变异函数类型、模型选择、邻域设置这些，稍微摸一摸就明白套路了。 想了解插值原理的，推荐看看这篇：空间数据插值的原理。讲得比较浅显，蛮适合入门。 如果你打算拿实际城市数据练练手，像这篇基于兰州住宅价格的案例（点我看），就挺有参考价值的。数据源找好了，几步下来就能做出一张还不错的热力图。 另外想看点技术 P

分位数分级将数列划分为相等个数的分段，根据需要选择四分位或五分位等。分位数上的值作为分级值，使每一级别的数据个数接近一致，呈现较佳的制图效果。

本讲内容探索性空间统计分析的方法，着重探讨地理信息系统中的统计分析技术。