4．6空间统计分析
（一）常规统计分析
常规统计分析主要完成对数据集合的均值、总和、方差、频数、峰度系数等参数的统计分析。
（二）空间自相关分析
空间自相关分析是认识空间分布特征、选择适宜的空间尺度来完成空间分析的最常用的方法。目前，普遍使用空间自相关系数——Moran I指数，其计算公式如下：
其中： N表示空间实体数目；xi表示空间实体的属性值；x是xi的平均值；Wij表示实体i与j的空间关系，它通过拓扑关系获得（Wij=1表示空间实体i与j相邻，Wij=0表示空间实体i与j不相邻）；I的值介于1与-1之间（I＝1表示空间自正相关，空间实体呈聚合分布；I=-1表示空间自负相关，空间实体呈离散分布；I=0则表示空间实体是随机分布的）。
（三）回归分析
回归分析用于分析两组或多组变量之间的相关关系，常见回归分析方程有：线性回归、指数回归、对数回归、多元回归等。
（四）趋势分析
通过数学模型模拟地理特征的空间分布与时间过程，把地理要素时空分布的实测数据点之间的不足部分插值或预测出来。
（五）专家打分模型
专家打分模型将相关的影响因素按其相对重要性排队，给出各因素所占的权重值；对每一要素内部进行进一步分析，按其内部的分类进行排队，按各类对结果的影响给分，从而得到该要素内各类别对结果的影响量，最后系统进行复合，得出排序结果，以表示对结果影响的优劣程度，作为决策的依据。其数学表达式为：
Gp＝WiCip
式中，Gp表示p点的最终复合结果值；Wi表示第i个要素的权重；Cip表示第i个要素在p点的类别的专家打分分值。
专家打分模型可分两步实现：第一步—打分：用户首先在每个feature的属性表里增加一个数据项，填入专家赋给的相应的分值；第二步—复合：调用加权符合程序，根据用户对各个feature给定的权重值进行叠加，得到最后的结果。