【总结】除了莫兰指数还有哪些指标可以用于空间自相关分析

空间自相关源于Tobler提出的地理学第一定律：Everything is related to everything else, but near things are more related to each other.

常用的空间自相关分析方法有全局莫兰指数(Global Moran’s I) 和局部莫兰指数(Local Moran’s I)。下面介绍几种其他的全局和局部自相关分析的指数和方法。

全局空间自相关

1. 全局莫兰指数(Global Moran’s I)

是一种常用的空间自相关统计量，用于测量地理空间数据中的空间聚集程度。它反映了空间数据中相邻地区值的相似程度，其值范围从 -1 到 1。

莫兰指数的值反映了空间数据中的空间自相关程度：
当莫兰指数接近 1 时，表示存在正的空间自相关，即相邻地区的值趋向于相似，存在空间聚集；

当莫兰指数接近 -1 时，表示存在负的空间自相关，即相邻地区的值趋向于不同，存在空间分散；

当莫兰指数接近 0 时，表示不存在空间自相关，即地区的值之间没有空间模式。

莫兰指数的显著性检验通常会计算 z 值，并与正态分布的临界值进行比较，以确定莫兰指数是否具有统计学意义。

全局莫兰指数(Global Moran’s I) 可以使用ArcGIS来计算：【空间统计工具】–【分析模式】–【空间自相关】。输入数据要求为矢量数据，如果是栅格可以将其转为矢量进行计算。

2. Geary’s C

Geary’s C 也是一种用于测量空间自相关的统计量。它主要用于检测邻近区域之间的差异，值介于0和2之间。值接近0表示高度正自相关，值接近2表示高度负自相关，值为1表示没有自相关。