近处的东西比远处的东西相关性更强。
计算方法：
常用的有：Moran’s I、Geary’s C、Getis、Join count等等。但这些方法各有其功用，同时亦有其适用范畴与限制，当然自有其优缺点。
一般来说，方法在功用上可大致分为两大类：
1、全域型（Global Spatial Autocorrelation）
2、区域型（Local Spatial Autocorrelation）
全域型的功能在于描述某现象的整体分布状况，判断此现象在空间是否有聚集特性存在，但其并不能确切地指出聚集在哪些地区。
依据Anselin（1995）提出LISA（Local Indicators of Spatial Association）方法论说法，区域型之所以能够推算出聚集地（spatial hot spot）的范围，藉由统计显著性检定的方法，检定聚集空间单元相对於整体研究范围而言，其空间自相关是否够显著，若显著性大。
扩展资料
空间自相关统计量
某位置上的数据与其他位置上的数据间的相互依赖程度。通常把这种依赖叫做空间依赖(spatial dependence)。地理数据由于受空间相互作用和空间扩散的影响，彼此之间可能不再相互独立，而是相关的。
例如，视空间上互相分离的许多市场为一个集合，如市场间的距离近到可以进行商品交换与流动，则商品的价格与供应在空间上可能是相关的，而不再相互独立。实际上，市场间距离越近，商品价格就越接近、越相关。
