聚集类型和人口分布相同 有异常值 为高值聚集，但相较人口分布，这种高值聚集较小
和人口分布的热点不同
分析Z得分和P值与不同空间组合的关系
对于同一图层，p值和z得分是一一对应的，当z得分的绝对值变大时，对应的p值（接受是随机分布的假设）也变小
全局Moran’s I 和G 统计量用来指出要素呈现距离分布或离散分布，高值聚集或离散或低值聚集（当p值
非常小时，z为正且越大，聚集分布越明显，反之亦可）（G统计量：当p值非常小时，z为正且越大，高值聚集明显，为0，离散分布，为负且越小，低值聚集越明显）
局部Moran’s I（cluster and outlier聚集和异常分析）和G统计量（hot spot热点分析）根据每个要素的z得分和p值推出要素分布的相似或相异分布
局部Moran’s I（cluster and outlier聚集和异常分析）直接添加cotype字段，指出该要素的空间组合情况，如HH,LL,HL,LH，但z得分为正且较大时，说明正自相关，于是，将高值的聚类表示为hh,低值的聚类表示为ll，当Z得分为负且较大时，说明负相关越强，于是将高值附近的低值围绕极记为hl，反之Lh，这就是在全局请款下的异常值
HOT SPOT分析： 如果要素的 z 得分高且 p 值小，则表示有一个高值的空间聚类。如果 z 得分低并为负数且 p 值小，则表示有一个低值的空间聚类。z 得分越高（或越低），聚类程度就越大。如果 z 得分接近于零，则表示不存在明显的空间聚类。没有COtype字段，可以更具自己的需要，设定阈值，和局部Morans
指数相近