空间统计分析主要用于空间数据的分类和综合评价[1]，其核心是认识与地理位置相关的数据间的空间依赖空间关联或空间自相关，通过空间位置建立数据间的统计关系[2] 。空间自相关是用以描述在空间上相互作用现象的一种空间统计方法，已经广泛地应用于社会经济数据的分析[3][4]。

    本文以江苏省县域为研究区域，以江苏省各市县人均GDP为分析对象，采用空间统计分析中的全局空间统计指标Moran’s I指数，局部空间统计指标LISA进行空间自相关分析，来揭示江苏省各市县人均GDP在空间分布上存在的空间关联性。源'自:优尔`!论~文'网www.youerw.com

2  空间自相关概述

空间统计分析，即空间数据的统计分析，是现代计量地理学中一个快速发展的方向和领域，其核心就是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关，通过空间位置建立数据间的统计关系[5]。在空间统计学中，相近或相类似的事物或现象在空间上存在集聚的性质称为空间自相关。

空间自相关分析的统计量是用来度量地理数据的一个基本性质：某空间位置上的数据和其他空间位置上的数据之间的相互依赖程度。一般把这种依赖称为空间依赖。地理数据因为受到空间相互作用及空间扩散的影响，彼此之间有可能不再相互独立，而是相关的。空间自相关分为全局空间自相关和局部空间自相关，空间自相关分析就相应分为两种分析。全局空间自相关主要用于描述整个研究区域上空间对象之间的关联程度，以表明空间对象之间是否存在显著的空间分布模式；局部空间自相关是表现对全局空间自相关贡献大及影响全局空间自相关的具体区域单元。

2.1  空间权重矩阵

空间权重矩阵是对空间邻接或邻近关系的定义，是空间统计分析运算的基础之一。

通常定义一个二元对称空间权重矩阵W，来表达n个位置的空间区域的邻近关系[6-7]，其形式如下：

式中，wij表示区域i和j的邻近关系。

对于空间权重指标的构建，主要是基于距离和连通性这两类特征。其中基于连通性的空间权重指标，又称为空间邻接指标。目前有三种基本的空间邻接定义方式，为考虑横纵方向上的邻接关系的“卒”型（Rook’s Case）、以及考虑对角线方向上的邻接关系的“象”型（Bishop’s Case）和综合考虑上述方向上的邻接关系的“后”型（Queen’s Case）（如图1）。

空间邻接定义方式

    本文采用的空间邻接定义方式是Queen’s Case，主要是因为Queen’s Case考虑的邻接方向较全面，不光考虑横纵方向，更考虑对角线方向，即与中心区域有公共顶点和公共边的区域与中心区域邻接。