1.定义
内容：
地统计数据（geostatistical data）、格数据（lattice data）、点格局（point patterns）。一般空间模型：{Z(s):s∈D}
空间分析覆盖：sptial analysis、spatial data analysis 、spatial statistics 、geostatistics（数据分析模型、图形分析模型、基于空间过程机理的空间动力学模型）
区别：
- 地统计：统计学的矩方法、变异函数和最小二乘法进行空间现行推测的克里格方法
- 空间统计和空间数据分析包含点状分布现象的空间格局识别，着重于研建空间结构回归模型，引入智能和高效计算方法（神经网络、SVM、GA）
- 空间统计：多边形统计，不含克里格
2.起源
经典线性回归，满足十条假设，其点估计才能具有最优线性无偏估计(BLUE)性质，成为经典线性回归模型（CLRM）。补充残差符合正态分布之后，产生线性正态回归模型(CNLRM)。
空间线性回归，难满足以上两者。y=pW1y+Xb+e Anselin(1988)
B(y-u)=Ce Haining(1990)
空间线性回归模型使用最大似然法求解
3.软件
SpaceStat（简化版GeoDA）功能：异常点分析、空间步长、空间联系全局、局部指标、最小二乘法回归、空间置后模型、空间误差模型
GA：综合半变差分析、Kriging.
4. 思维导图
本作品由VentLam创作，采用知识共享署名-非商业性使用-相同方式共享 2.5 中国大陆许可协议进行许可。