文章出處：http://blog.sina.com.cn/s/blog_5d25ac4e0100ocaa.html
1. Analyzing Patterns（分析模型）
1） AverageNearestNeighbor（平均值最近分析）
簡介：基於每個要素的最近鄰要素距離的平均值計算索引值
方法：
輸入要素：一般爲點要素
距離方法：歐幾里得距離或者曼哈頓距離。
是否顯示最鄰近索引，下圖爲顯示：
面積：默認面積爲覆蓋所有要素的最小外接矩形的面積。
其它：小於1聚合；大於1離散；等於1隨機。
轉載請註明出處--http://blog.sina.com/3ser
2）HighLowClustering（聚類程度）
簡介：用於計算給定面積內的要素的聚類程度值
方法：
輸入要素：一般是點要素。面要素和線要素則是其質心參與計算。
輸入字段：數值型。必須爲正值。
是否顯示輸出圖形。Display Output Graphically
空間關係：反向距離，反向距離的平方，固定距離波段，區域無關、與多邊形相接、空間權重文件。
距離方法：歐幾里得距離、曼哈頓距離。
標準化：推薦用ROW（權重被權重之和分開）
距離波段或者開始距離：當空間關係選擇與多邊形相接、空間權重文件時該參數無效。
權重矩陣文件：空間關係爲空間權重文件時有效。
3） Multi-Distance Spatial Cluster Analysis (Ripleys K Function)（多距離空間聚簇分析/ Ripleys K函數）
該工具用於判斷在多個不同距離下要素類的聚簇狀況。輸出結果爲一張表。表中包含期望值字段（ExpectedK）和觀測值字段（ObservedK）。當觀測值大於期望值時則在該距離下呈現聚簇狀態。否則呈現離散狀態。
Number of Distance Bands：距離波段的次數。
Compute Confidence Envelope（評估置信區域）：
(1) 0 Permutations：不創建置信區域。
(2)9 Permutations：隨機選9個點創建置信區域（90%的置信區域）。
(3)99 Permutations：隨機選99個點創建置信區域（99%的置信區域）。。
(4) 999 Permutations：隨機選999個點創建置信區域（99.9%的置信區域）。。
4)Spatial Autocorrelation (Morans I)（空間自相關/ Morans I）
基於要素位置及屬性值判斷空間自相關性。
Conceptualization of Spatial Relationship
（1）Inverse Distance反距離
（2）Inverse Distance Square反距離平方
（3）Zone of Indifference區域均一化
（4）Fixed Distance Band固定距離波段
（5）Polygon Contiguity (First Order)鄰接多邊形
（6）Get Spatial Weights From File空間權重文件
2. Mapping Cluster（繪製聚簇）
(1)Cluster and Outlier Analysis (Anselin Local Morans I)（聚合離散分析/）
給定帶有權重的要素，分析高值聚合和低值聚合，及查找離羣值。
(2)Hot Spot Analysis (Getis-Ord Gi*)熱斑分析
通過計算Getis-Ord Gi*統計進行熱斑分析。Z score作爲衡量高值聚合或者低值聚合的標準。
Z score越大表現爲熱斑越明顯。
轉載請註明出處--http://blog.sina.com/3ser
3.Measuring Geographic Distribution（測量地理分佈）
1)Central Feature（中心要素）
識別要素集中加權後最中心的要素。
Self-potential：表示一個要素和他自身的距離或者權重。一般情況下爲0。
Case Field：用於分組，可以使數值、日期、文本類型。
2)Directional Distribution (Standard Deviational Ellipse)（定向分析/標準差橢圓）
測量要素集（點）的方向性趨勢。
3)Linear Directional Mean（平均線方向）
測量要素集（線）的平均方向性趨勢。
4)Mean Center（平均中心）
識別要素集的幾何中心
Dimension Field（維度字段）：用於三維座標計算時的Z值字段。
5)Standard Distance（標準間隔距離）
以要素集幾何中心爲圓心，以覆蓋要素的百分比距離爲半徑生成一個新的圓。
Circle Size
(1) 1 Standard Deviation:覆蓋要素的百分之六十八
（2）2 Standard Deviations覆蓋要素的百分之九十五
（3）3 Standard Deviations覆蓋要素的百分之九十九
4.Modeling Spatial Relationship(空間關係建模)
1)Generate Network Spatial Weights（生成網絡空間權重）
根據潛在網絡結構生成SWM文件。
輸入參數有：被創建的點要素、唯一的ID值、SWM文件的名稱路徑、參考網絡、阻止屬性。
2)Generate Spatial Weights Matrix（生成網絡空間權重矩陣）
創建SWM文件用於表達數據集中要素的空間關係。
3)Geographically Weighted Regression（地理權重衰減）
4)Ordinary Least Squares（普通最小平方）
轉載請註明出處--http://blog.sina.com/3ser
5. Rendering（渲染）
1）Cluster/Outlier Analysis with Rendering（渲染聚簇離散分析）
依據指定字段做聚簇渲染及依據Z縮放值渲染。渲染顏色由冷到暖，冷代表離散，暖代表聚簇。
該工具集合了Cluster And Outlier Analysis 工具及Z Score Rendering 工具。使用工具後將生成一個渲染後的lyr圖層及要素圖層且屬性表將添加以下四個字段索引字段、Z Score字段、P Value字段、聚簇類型字段。
集成工具：
2)Collect Events with Rendering(利用渲染收集事件)
轉換事件數據，將其賦予權重，並以分級符號渲染。
輸入要素：一般爲點要素（至少4個要素）。
它是將Collect Events工具和Count Rendering工具集成在一起。
集成工具：
3）Count Rendering（計算渲染）
依據指定字段作渲染計算。
輸入參數有：被渲染要素、依據字段、輸出的lyr圖層名稱路徑、分類數量、符號樣式等。
4）Hot Spot Analysis with Rendering（渲染分析熱斑）
依據指定字段作渲染計算並將其Z Score值由冷色到暖色渲染。
該工具集成了Hot Spot Analysis及Z Score Rendering功能
集成工具：
5）Z Score Rendering（Z痕渲染）
將Z Score值由冷色到暖色渲染。
轉載請註明出處--http://blog.sina.com/3ser
6. Utilities（實用工具）
1）Calculate Areas（計算面積）
對面要素計算面積並寫入F_AREA字段。
4） Calculate Distance Band from Neighbor Count（依據鄰居數量計算距離）
通過輸入的鄰居數值(N)計算要素與第N個鄰居之間的最小距離、最大距離、平均距離。
輸入要素：一般爲點
鄰居數值：第N個鄰居。
距離方法：曼哈頓距離或歐幾里得距離。
5） Collect Events（收集事件）
轉換事件數據，將其賦予權重，並以分級符號顯示。
輸入要素：一般爲點要素（至少4個要素）。
6） Convert Spatial Weights Matrix to Table（轉換空間權重矩陣到表）
將二元的空間權重矩陣文件（*.Swm）轉換爲表(*.dbf)。
轉換後可對DBF進行修改空間關係等並將其轉換爲swm
其他：Convert Spatial Weights Matrix to Table的逆操作。
7） Export Feature Attribute to ASCII（輸出要素屬性到ascii文本）
將要素座標及制定屬性值輸出到文本文件，字段值之間可用空格、逗號、分號等分隔。