第4章空间统计分析初步——第1节探索性空间统计分析探索性空间统计分析是空间统计分析的第一步，旨在揭示地理现象的空间分布模式和空间关联关系。
在进行探索性空间统计分析时，主要应用的方法包括空间自相关分析、扫描统计、点模式分析和基尼系数等。
空间自相关分析是用于评估地理现象是否呈现出空间聚集或空间离散的方法。
常用的空间自相关分析方法有Moran's I和Geary's C等。
Moran's I是一种广泛应用的空间自相关指标，它测量了地理现象在空间上的聚集或离散程度。
当Moran's I的值接近1时，表明地理现象呈现出正空间自相关，即相似的值聚集在一起；当Moran's I的值接近-1时，表明地理现象呈现出负空间自相关，即相似的值分散在一起；当Moran's I的值接近0时，表明地理现象呈现出随机分布。
扫描统计是一种常用的空间聚类分析方法，用于寻找地理现象的热点区域和冷点区域。
扫描统计的基本思想是通过不断调整和扫描的空间窗口，在不同的空间尺度上计算地理现象的局部指标，并找出具有显著性的空间聚类区域。
常用的扫描统计方法有卡斯帕-多斯的方法和波尔兹曼-莫丘特的方法等。
通过扫描统计分析，可以确定地理现象的聚集程度，并找到聚集区域的中心。
点模式分析是用于评估地理现象的点空间分布模式的方法。
在点模式分析中，主要用到的指标有距离分布函数和聚类指数等。
距离分布函数是用于描述点之间的距离分布特征的函数，常用的距离分布函数有Ripley's K函数和Clark-Evans函数等。
聚类指数是用于衡量点空间分布中聚集程度的指标，常用的聚类指数有平均距离指数和个体隔离指数等。
通过点模式分析，可以确定地理现象的点分布模式是随机分布、聚集分布还是分散分布。
基尼系数是用于评估地理现象的空间不平等程度的指标。
基尼系数的取值范围为0到1，0表示完全平等，1表示完全不平等。
常用的基尼系数有基尼指数和基尼分位数等。
