【GeoDa实用技巧100例】023：geoda探索性空间数据分析

本文为博主「刘一哥GIS 」原创文章，未经博主允许不得转载或爬取，侵权必究！

本文链接：https://blog.csdn.net/lucky51222/article/details/132382357

本文介绍了探索性空间数据分析方法，重点探讨了全局和局部空间关联性指标，如莫兰指数和盖里指数。这些工具用于检测变量的空间自相关性和集聚现象，以减少直观判读地图的主观性。GeoDa作为一款免费开源软件，提供空间自相关统计和聚类分析等功能，支持空间数据的深入分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

- 全局空间关联性指标
- 局部空间关联性指标

探索性空间数据分析是一种具有识别功能的空间数据分析方法，主要用于探测一些变量的空间关联性和集聚现象。某一变量在空间上发生集聚，意味着在一定区域内，这一变量在各个地域单元之间具有自相关性：某一地域单元该变量较高，其周围地域单元该变量也较高；某一地域单元该变量较低，其周围地域单元该变量也较低。因此，空间自相关性可以看作是一种反映集聚现象的尺度。

传统上，我们一般单纯通过直观判读数值地图来分析空间集聚问题。然而，这种方法往往带有较大的主观性和模糊性，受判读者的经验和偏好的影响很大。而探索性空间数据分析可以通过“让数据说话”的特点，在相当程度上缓解(注意决非彻底消除)直观判读数值地图带来的弊端。

探索性空间数据分析主要使用两类工具：第一类用来分析整个区域关联性的指数，该类指数称之全局空间关联性指标，如全局莫兰(Moran)指数I和盖里(Geary)指数C等。全局关联性指标可以分为自关联性和交叉关联性两种。前者是反映同一变量在研究区域内的自相关性；后者则是反映两个不同变量在研究区域内的相关性。一般来说，各类指标都可以分成自相关性和交叉相关性两种。第二类用来分析区域内各个地域单元关联性的指数，该类指数称之局部空间自相关指标，如局部莫兰指数I和盖里指数C等。