Geostatistical Analyst のライセンスで利用可能。
行うべき最も重要な意思決定の 1 つは、内挿モデルを開発する際の目的を定義することです。 つまり、意思決定を行うためにはモデルからどのような情報を得る必要があるかを定義します。 たとえば、公衆衛生の分野では、内挿モデルを使用して、罹患率に統計的に関連付けることができる汚染物質の濃度を推定します。 この情報に基づいて、さらなるサンプル調査を計画したり、公衆衛生政策を策定したりすることができます。
Geostatistical Analyst にはさまざまな内挿方法が用意されています。 それぞれが異なる性質を持ち、異なる情報を提供します (似たような情報を提供する方法もあれば、まったく異なる情報を提供する方法もあります)。 以下に、これらの方法をさまざまな条件に従って分類した図を示します。 各自の状況にとって重要な条件を選択し、該当するツリーで自分が関心のあるオプションを表す分岐をたどります。 これにより、自分の状況に適した 1 つ以上の内挿方法が見つかります。 多くの場合、満たすべき重要な条件は複数あり、複数の分類ツリーを使用します。 各ツリーでたどった分岐によって提案された内挿方法を比較し、比較する方法をいくつか選択してから、最終モデルを決定します。
1 つ目のツリーでは、推定を生成するか推定とその誤差を生成するかに基づいて方法が提案されます。
値を推定するために空間的自己相関のモデルを必要とする方法と必要としない方法があります。 空間的自己相関をモデル化するには、追加のパラメーター値を定義し、モデルをデータに対話的に適合させる必要があります。
方法によって生成される出力のタイプは異なるため、内挿モデルを構築する前に、生成する必要がある情報のタイプを決定する必要があります。 
内挿方法の複雑度はそれぞれ異なり、モデルが有効となるために満たす必要がある前提条件の数によって複雑度をはかることができます。 
厳密な内挿法 (入力データの各位置で、サーフェスが入力データ値とまったく同じ値を持つ) と、そうでない内挿法があります。 状況によっては、入力データの正確な再現が重要となる場合があります。 
生成されるサーフェスの滑らかさは方法によって異なります。 たとえば、放射基底関数は成り立ちからして滑らかです。 スムージング検索近傍を使用すると、標準の検索近傍よりスムージング サーフェスが生成されます。 
一部の意思決定では、特定の位置における推定値だけでなく、その推定に関連する不確実性 (ばらつき) も考慮することが重要です。 不確実性の尺度が提供される方法と提供されない方法があります。 
最後に、処理速度は解析の 1 つの要素です。 一般に、バリアを使用して内挿プロセスを制御する場合を除き、ほとんどの内挿方法は比較的高速です。 
この分類ツリーでは内挿方法に以下の略語が使用されています。
| 略語 | 方法名 |
|---|---|
GPI | |
LPI | |
IDW | |
RBF | |
KSB | |
DKB | |
クリギング | |
シミュレーション | 単純クリギング モデルに基づいた、ガウス地球統計学的シミュレーション |