本文主要是介绍三种Moran's I（空间自相关性) 之我见，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
空间自相关性的计算指标有全局莫兰指数，局部莫兰指数，现在又有一个二元局部莫兰指数。具体定义和解释，我不做介绍了，可以参见相关书籍，如《空间分析教程》，或者大虾卢的博客，或者局部莫兰指数创造者LUC院士团队发明的GEODA软件的官网http://geodacenter.github.io/documentation.html
我现在有两个变量Xi 和Yi
（1）全局莫兰指数
输入变量只能是单变量，Xi和Yi取其一，假设输入Xi，
输出的结果是Xi在空间是否聚集，无法输出聚集地在哪
（2）局部莫兰指数
输入变量也是单变量，Xi和Yi取其一，假设输入Xi，
输出结果是，对于每一个Xi，都有一个结果，结果是以下五种结果之一：“高-高”聚集，“低-低”聚集，“高-低”异常，“低-高”异常，不显著。
比如对于X1输出的是“高-高”，这个意思是X1是高值区，而它地理空间周围的Xi也是高值区。
（3）二元局部莫兰指数
输入变量也是双变量，Xi和Yi，以Xi为第一变量，以Yi为第二变量，
输出结果是，是针对第一变量来说的，对于每一个Xi，都有一个结果，结果是以下五种结果之一：“高-高”聚集，“低-低”聚集，“高-低”异常，“低-高”异常，不显著。
比如对于X1输出的是“高-高”，这个意思是X1是高值区，而它地理空间周围的Yi也是高值区。
这个的解释，我是根据GEODA的GITHUB主页上的解释理解的，不知是否正确，我在一篇暂未发表的文献上见别人用了这个方法。希望与了解这个方法的大神讨论。
这篇关于三种Moran's I（空间自相关性) 之我见的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
