发帖
雷达卡
资料名称： GeoDa 空间权重讲义（GeoDa Center Workbook，Luc Anselin 编写）
帖内资料： 无附件。本帖是 GeoDa 官方教学 Workbook 里「空间权重」部分的获取与重点说明；讲义为公开网页，示范数据在 GeoDa Center 数据中心统一下载。注意：讲义样例是美国县／房屋数据，不是中国 31 省权重矩阵，别直接套。
时间覆盖： 距离带权重讲义（Distance-Band Spatial Weights，lab4b）网页标注更新于 2020-10-08；整套 Workbook 为长期维护的网页版教程。
许可与引用： 网页讲义与示范数据由 GeoDa Center（芝加哥大学 Luc Anselin 团队）公开提供；引用注明作者 Luc Anselin 与 GeoDa Center／GeoDa Workbook 出处，示范数据按数据中心各自许可使用。
适用任务： 学空间权重矩阵的构造思路（邻接、距离带、k 近邻、无邻居单元检查），配合官方示范数据在 GeoDa 里一步步练手；做空间计量、空间自相关、空间回归前的权重准备。
GeoDa 是做空间数据分析最常用的免费软件之一，由芝加哥大学 GeoDa Center 的 Luc Anselin 团队主导。它配套的官方教学 Workbook 是一套网页讲义，把软件里每个功能拆成「先做哪步、看什么结果」的实验课。本帖聚焦其中讲空间权重（spatial weights）的那几讲——这是空间计量几乎所有后续分析（空间自相关、空间回归）的前提，权重矩阵没建对，后面全歪。
题目点名的几类权重，在这套讲义里是连着讲的。邻接权重（contiguity）是最直觉的一种：两个面单元共用边界就算邻居，常见于省界、县界。距离带权重（distance-band）则换了个思路——以每个点为中心画一个固定半径，半径内的都算邻居，适合点数据或不想只靠边界的情形。k 近邻权重（k-nearest neighbor）更「公平」一点：不管距离多远，每个单元都固定找最近的 k 个邻居，避免稀疏区域出现「谁都不挨着谁」的空洞。
讲义里还专门讲了怎么把邻接的概念推广到点（用 Thiessen 多边形把点变成面再算邻接），以及怎么处理「孤岛」——也就是没有任何邻居的孤立单元（isolates），这一步不查，权重矩阵会直接算崩。
示范数据也很有代表性。讲义先用美国俄亥俄州克利夫兰（Cleveland）的房屋销售点数据（四个 shapefile 的 point 图层）演示点情形的距离带与 k 近邻，再换回美国各县凶杀案数据（多边形）演示面情形。所有样例都放在 GeoDa Center 的数据中心（geodacenter.github.io/data-and-lab）统一下载，不用满网找。
对想照着跑一遍的人，这个数据是最省事的起点。
有个坑必须先提醒：这些样例是美国县／房屋数据，演示的是美国行政区划下的权重构造，跟中国 31 个省级单位的邻接关系不是一回事。你要做中国省界权重，得自己拿中国行政区划数据在 GeoDa 里重新建——样例只能学方法，不能直接当中国矩阵用。另外讲义是 2020 年更新的，软件界面之后迭代过，按钮位置可能和现在版本对不上，但构造权重的逻辑没变，对着逻辑走就行。
一个实用建议：别一上来就啃距离带和 k 近邻，先看邻接那讲把「邻居」的概念吃透，再进距离类权重会顺很多。示范数据下到本地用 GeoDa 打开，每一步跟着讲义点，重点盯「无邻居单元检查」那一步的输出——它直接告诉你哪些单元是 isolate，要不要补邻居、怎么补，这一步处理不好后面分析就废了。
────────────────
下面把 Workbook 入口、示范数据下载位置和各权重讲次的对照整理出来，回复一下就能看到。
京公网安备 11010802022788号
