空间统计工具箱包含一系列用于分析空间分布、模式、过程和关系的统计工具。尽管空间统计和非空间统计（传统统计方法）在概念和目标方面可能存在某些相似性，但空间统计具有其固有的独特性，因为它们是专门为处理地理数据而开发的。与传统的非空间统计分析方法不同，空间统计方法是将地理空间（邻域、区域、连通性和/或其他空间关系）直接融入到数学逻辑中。
您可以使用“空间统计”工具箱中的工具对空间分布的显著特征进行汇总（例如，确定平均中心或总体方向趋势）、识别具有统计显著性的空间聚类（热点/冷点）或空间异常值、评估聚类或离散的总体模式、根据属性相似性对要素进行分组、确定合适的分析尺度以及探究空间关系。 此外，对于那些使用 Python 编写的工具，源代码有助于您学习、修改、扩展以及与他人共享这些分析工具和其他分析工具。
注：
在使用 shapefile 时，请注意 shapefile 无法存储空值。根据非 shapefile 输入创建 shapefile 的工具或其他过程可能会将空值存储（或解释）为零。某些情况下，空值则以极大的负值储存于 shapefile 中。这会产生意外的结果。有关详细信息，请参阅 shapefile 输出的地理处理注意事项。
| 工具集 | 描述 |
|---|---|
| 这些工具评估要素或与要素关联的值是否形成聚合、分散或随机的空间模式。 | |
这些工具通过对原始分析结果与模拟数据的结果进行比较来评估分析对不同类型不确定性的敏感性。 | |
| 这些工具可用于识别具有统计显著性的热点、冷点或空间异常值。 还有一些工具可以识别或分组具有相似特征的要素。 | |
| 这些工具可以解决以下类型的问题：中心在哪里？ 形状和方向如何？ 要素的分散程度如何？ | |
| 这些工具使用回归分析来建模数据关系或构建空间权重矩阵。 | |
这些工具用于创建并分析空间组件（莫兰特征向量），例如创建组件解释变量、过滤字段的自相关或推荐用于空间分析的邻域。 | |
| 这些工具可执行以下多种功能：例如计算面积、评估最小距离、导出变量和几何、转换空间权重文件和采集重合点。 |
其他资源
空间统计资源页面中中包含了可帮助您使用“空间统计”和“时空模式挖掘”工具的资源列表，其中包括以下内容：
- 实践教程
- 研讨会视频和演示文稿
- 培训和 web 讲座
- 书籍、文章和技术文件链接
- 示例脚本和案例研究