空间统计将空间和空间关系直接整合到数学计算中（例如，面积、距离、长度或邻域等）。通常，这些空间关系通过被称作空间权重的值来进行正式定义。空间权重将被构建成一个空间权重矩阵并以空间权重矩阵文件的形式存储。
空间权重矩阵可以量化数据集要素中存在的空间和时态关系（或至少可以量化这些关系的概念化表达）。虽然空间权重矩阵文件可能具有多种不同的物理格式，但从概念上讲，您可以将空间权重矩阵看作一个表格，数据集中的每个要素都对应着表格中的一行和一列。任意给定行/列组合的像元值即为权重，可用于量化这些行要素和列要素之间的空间关系。
可能使用的加权方法有很多，包括反距离、固定距离、空间-时间窗口、K 最近邻域、邻接以及空间交互（这些空间关系的概念模型在空间关系建模中进行了介绍）。鉴于您在为进行特定分析而建立空间关系模型时所选择的概念化方法将为您的数据施加一个结构。因此，您选择的概念化方法应能够最好地反映出所分析要素之间的实际交互方式。
然而，在初级层面上，权重可能为二进制或变量。例如，二进制加权可应用于固定距离、空间-时间窗口、K 最近邻域和邻接空间关系。对于特定的目标要素，二进制加权将所有相邻要素的权重指定为 1，将所有其他要素的权重指定为 0。对于反距离或反时间空间关系，权重为变量。变量权重介于 0 到 1 之间，因此较近邻域所获得的权重将大于较远的邻域。
空间权重通常已执行过行标准化，尤其是使用二进制加权策略。当要素的相邻点数不相等时，可以使用行标准化创建成比例的权重。行标准化涉及到将要素的每个邻域权重与该要素的所有邻域权重之和相除。当要素的分布可能因采样设计或施加的聚合方案而发生偏离时，建议使用行标准化。当要素为面时，您几乎始终需要应用行标准化。