空间数据是常见的数据形式之一，因此空间数据回归也是最常用的方法之一。由于空间数据之间往往有相关性，它们不满足经典统计学的数据独立性假设，所以回归的理论和建模方式与普通回归模型相比既陌生又复杂。GeoDa与R语言是建立空间回归模型最合适的软件；尤其是GeoDa提供了用户友好的界面，是空间回归方法最方便的建模软件。

一 空间相关GeoDa的基本操作

1.GeoDa的特性与基本操作

2.空间的局域相关与全局相关度量

3.空间邻接矩阵与权重

4.距离矩阵与距离权重
二 GeoDa中的普通回归空间依赖

1.最小二乘法

2.非空间的回归诊断

3.空间依赖推断：拉格朗日乘子法 

4.二阶段最小二乘法：空间自回归诊断

5.系数的稳定估计及其方差
三 空间回归

1.空间滞后模型：二阶段估计与极大似然法

2.空间误差回归：广义矩方法与极大似然法

3.空间滞后误差回归：广义二阶段估计

4.空间杜宾模型
四 空间异质性模型

1.非空间模型的空间格局模型：原理与操作

2.基于空间模型的空间格局模型

3.空间模型的选择
五 面板数据分析

1.随机效应模型

2.固定效应模型

3.混合效应模型

4.面板数据模型的选择
六 高级空间回归

1.空间滤波方法

2.矩阵指数空间模型

点击下方关注，获取更多资源和教程！