局部G统计量显示，Z值得分越高颜色越红，说明有高值的聚集，在中心街区有明显的热点分布，这一点
与莫兰指数是一致的。 八、结果与分析
（1）全局空间自相关系数概括了在一个总的空间模式中空间依赖的程度，仅适用一个单一值来反映整体上的自相关，难以探测不同位置局部区域的空间关联模式；局部空间自相关指数则描述一个空间单元与其邻域的相似程度，表示每个局部服从全局总趋势的程度，并揭示空间异质。
（2）局部莫兰指数中，Z得分为正高，则颜色越红，说明空间正相关性极强，或者说该要素是高高或者低低模式，而Z得分为负高，则颜色越蓝，说明空间负相关性极强，或者说该要素为高低或者低高。 （3）局部G统计量中，Z得分正高，颜色越红，说明有高值的聚集，存在热点分布，Z得分负高，颜色越蓝，说明有低值的聚集，存在冷点分布。 九、存在问题与解决方法
（1）多距离空间分析中的范围参数即距离是如何确定的，还有期望值是如何计算出来的。
（2）局部莫兰指数和局部G统计量中的距离5000米是如何确定的。另外如果不设定距离，那么局部和全局是否没有区别。
（3）Z值的重分类方法有多种，其中系统采取的最佳
方法是什么，用其他的分类方法都感觉没有最初的完美，猜测其中的阈值设定是按照统计学方法确定的（期望与方差）。
十、需要注意问题的总结与归纳
（1）两个要素（点和面）的坐标系统并不一致，因此不能同时加载（虽然坐标系统对于本次实验并没有影响）。
（2）需要区分全局与局部的区别。在实际应用当中，对于不同的问题使用不同的方法。另外对于不同的问题，选择哪一种分析方法也很重要，是最近邻分析法还是多距离空间相关分析法等，要根据自己的需求进行选择。
（3）对于每一种分析方法，设置参数也同为重要，不同的参数设置会的属不同的结果，对于每一个参数所代表的还以也要了解掌握。尤其是局部莫兰指数、局部G统计量和多距离空间相关分析。 十、个人体会
莫兰指数和G统计量在现实世界中有重要的意义，对于一些看似杂乱无章的数据，可以从中得到有价值的信息，为决策者提供帮助。比如最近邻分析和雷普利的K函数主要用来分析空间分布和植物类型结构分析，尤其是雷普利的K 函数，在流行病学标点地图中
也有广泛的应用。而热点分析，已经用于犯罪热点制图与分析。当然，像一个区域内的房产价格、GDP或者一个农场里面的病虫害，这些都有可能在空间呈集聚现象的要素，都可以用空间统计变量来探索他们的空间分布模式。