莫兰指数具体分为全局莫兰指数（Global Moran's I）和局部莫兰指数（Local Moran's I）两种，是用来测算空间关系的一种相关系数值。实际研究过程中，通常先计算一个区域内的全局莫兰指数，当全局莫兰指数通过了显著性检验，即认为存在相关性时，紧接着做局部莫兰指数，来具体查看在哪些区域存在集聚效用。Moran's I大于0时，表示数据在区域内呈现出正相关性；Moran's I小于0时，表示数据在区域内呈现出负相关性；Moran's I等于0时，表示数据在区域内呈现随机分布的特性。一般而言，可使用Arcgis、Stata、Python和GeoDa来对区域的莫兰指数进行计算。对比其他软件，GeoDa在计算时更为方便快捷，软件界面为点按式操作，对于小白来说更容易上手。
这里本文以山东半岛区域为例子，使用市的GDP数据来展示如何计算莫兰指数。首先，我们需要导入相关底图，并选择合适的方法生成对应的空间邻接矩阵。选择Weights Manager来生成对应空间权重矩阵。
GeoDa中支持多种空间权重矩阵的生成，可以分为连通性（contiguity）和距离（distance）两种大的权重分类方式。连通性权重具体可以分为Queen和Rook两种，这两种均为0-1权重矩阵。Rook要求两个区域必须有公共邻边才算相邻，Queen除了边相邻外，只存在一点相邻也会被判定为邻接区域，判定方式更为宽松。Order of contiguity表示的是相邻阶数，假设阶数为k时，表示两个区域之间有k个相邻时，两区域也可以算作相邻区域。
距离选择为欧式距离（euclidean distance），即表示为不考虑现实环境、地面因素的直线距离。Distance Band表示为一个范围内的被认为是邻接区域，以外的则认为不邻接。K阶近邻则表示为距离A区域最近的K个地区作为A的邻接区域。自适应核距离矩阵（adaptive kernel）则是基于自适应的关联区域损失函数来确定权重。
选择适合你研究的方法生成空间权重后，可对应生产相应的邻接直方图和邻接地图来查看所选择的空间权重是否合适。一般而言，可以同时选择连通性和距离两种权重矩阵相互验证空间自相关的结果。
基于所生成的权重矩阵，可以在菜单栏Space-univariate Moran's I中计算单变量全局莫兰指数，选择相对应的变量和权重矩阵后可得下图。即对应的全局莫兰指数值。
进一步，为了获取相对应的P值和z值，我们可以右键单击该图，选择Randomization-999（对应999次随机试验次数，也可以自行选择其他）后可以得到下图的p值和z值。这里对应的p值为0.408，表示未通过显著性检验，不存在全局自相关。
为了继续演示局部莫兰指数的计算，我们先忽略未通过显著性检验的全局莫兰指数。同样，在菜单栏Space-univariate Local Moran's I中计算局部莫兰指数。勾选Sig map和Cluster map后选择ok。可以发现，有三个地区通过了局部莫兰指数的显著性检验。其中，淄博，泰安表现为高高聚集，聊城表现为低-高聚集。
最后，我们可以右键单击该图将结果保存到对应的shp文件的数据表中，然后选择在Arcgis中继续完善局部莫兰指数的绘制。
