莫兰指数（Moran‘sI）的显著性检验方法.docxVIP

莫兰指数（Moran‘sI）的显著性检验方法

一、莫兰指数显著性检验的核心逻辑与必要性

（一）莫兰指数的基本内涵与空间自相关本质

莫兰指数是空间统计学中衡量变量空间自相关程度的核心指标，所谓空间自相关，指地理空间中某一位置的变量值与邻近位置变量值的关联程度。简单来说，若高值区域与高值区域相邻、低值区域与低值区域相邻，呈现正空间自相关（即空间聚集）；若高值区域与低值区域相邻，呈现负空间自相关（即空间分散）；若变量值在空间完全随机分布、无明显关联，则空间自相关为零。

作为最早被系统应用的空间自相关指标之一，莫兰指数的核心价值在于将“空间邻近性”纳入统计分析，打破传统统计学“样本独立”的假设，更符合地理现象的实际分布规律。比如城市经济学中，同一区域内房价水平常因区位、配套等因素呈现聚集特征；环境科学中，污染物浓度会因扩散效应形成空间聚集区，这些现象都可通过莫兰指数量化（CliffOrd,1973）。

（二）显著性检验的核心逻辑：区分真实空间模式与随机噪声

仅计算莫兰指数数值不足以得出可靠结论，因为观测到的空间关联可能是随机因素导致的抽样误差。比如完全随机分布的变量中，偶然也可能出现局部数值聚集，但这种聚集不具有统计学显著性，不能视为真实空间模式。

显著性检验的核心逻辑，是通过统计方法判断观测到的莫兰指数是否显著偏离“空间随机分布”的原假设。检验围绕两个假设展开：原假设认为研究变量在