全局Moran I公式推导：原理解析、期望与方差

这一章，我们开始硬核的推导环节。说「硬核」，其实也就是把Moran I背后的逻辑掰开揉碎，看看它到底在算什么东西。

从我自己的经历来看，很多初学者在第一步就被公式吓退了。密密麻麻的符号，Σ上下堆叠的变量。其实不用怕。你想想看，这公式本质上只做了三件事：找邻居、算差值、标准化。

3.1 公式的来源：从空间关联到统计量

先问一个最根本的问题：为什么要用Moran I来衡量空间自相关？

假设你有一组城市的人口密度数据。如果密度高的城市周围也是高密度，那就说明有空间聚集。如果高的周围是低的，那就是离散。Moran I本质上就是一个空间加权版的皮尔逊相关系数。

我们来看最经典的全局Moran I公式：

I = n / S₀ × ΣᵢΣⱼ wᵢⱼ (xᵢ - x̄)(xⱼ - x̄) / Σᵢ (xᵢ - x̄)²

你仔细看这个式子。分号上面是空间加权的协方差，下面是普通方差。说白了，就是把数据里的变量波动往空间关系上映射了一下。我个人习惯把这个结构拆成三部分来理解：

• 分子左半部分：n/S₀，这是个消除尺度的系数，保证Moran I的值可以被比较
• 分子右半部分：∑ᵢ∑ⱼ wᵢⱼ (xᵢ - x̄)(xⱼ - x̄)，这是空间加权后的协方差总和
• 分母：∑ᵢ (xᵢ - x̄)²，这是普通方差，用来做全局标准化

我曾在一次城市热岛效应研究中用过这个公式。当时数据集有2000多个观测点，直接用Excel拉公式？不行，太慢。我建议你用Python的 esda 包或者PySAL，但理解背后的逻辑还是得亲手推一遍。

3.2 空间权重矩阵的角色：Wᵢⱼ 到底在干嘛

公式里的 wᵢⱼ 是整个Moran I的骨架。没有它，空间自相关和普通相关性就没有区别了。

权重矩阵用来定义「谁是谁的邻居」。最常见的有三种：

权重类型	定义	适用场景
邻接权重	共享边界的区域为邻居	行政区域、地理多边形
距离权重	距离小于阈值的点为邻居	点状数据、气象站分布
K近邻权重	每个点取最近的K个邻居	不均匀分布、边缘区

在实际项目中，权重矩阵的选择会影响最终结果。我遇到过一种情况：用邻接矩阵时Moran I是0.35，换成距离衰减矩阵后变成0.12。这就是所谓的「空间尺度效应」。所以我在做任何空间分析前，一定会先做敏感性分析，看看不同权重下的结果是否稳定。

关于权重矩阵的正式写法，一般会规范化为行标准化（每行和为1）。这样做的目的是让每个观测对象的总权重相等，避免个别高密度区域被过度加权。

3.3 期望E[I]的推导：零空间自相关假设

有了公式，我们还需要知道它的期望（Expectation）和方差（Variance），才能在假设检验里判断观察到的I是否显著。

先从期望讲起。在原假设H₀下，我们认为数据没有空间自相关，也就是说变量在地理上是随机分布的。在这种情况下，Moran I的期望是多少？

推导起来其实很简单。假设x是独立同分布（iid）的样本，那么期望E[I]可以写成：

E[I] = -1 / (n - 1)

为什么会这样？

你别惊讶，这个结果不是0。因为空间权重矩阵的内在结构会引入一点点负偏误。举个例子，n=100时，E[I] ≈ -0.0101。也就是说，即使数据完全随机，你很难恰好得到0，而是稍稍偏向负值。

我个人习惯把E[I]称为「随机折现率」——它告诉你，在多大程度上可以认为观察到的正相关是偶然的。如果实测I远大于-1/(n-1)，那就可以怀疑存在真正的空间聚集。

3.4 方差Var(I)的推导：衡量不确定性

期望知道了，还得知道方差。方差决定你有多大把握拒绝H₀。方差越小，检验越灵敏。

全局Moran I的方差公式不是统一的，它取决于分布假设。我最常用的是随机检验法（randomization）下的方差公式：

Var(I) = [n²S₁ - nS₂ + 3S₀²] / [(n² - 1)S₀²] - (E[I])²

其中：

• S₀ = ΣᵢΣⱼ wᵢⱼ （所有权重之和，行标准化后等于n）
• S₁ = ½ ΣᵢΣⱼ (wᵢⱼ + wⱼᵢ)² （反映权重对称性）
• S₂ = Σᵢ (Σⱼ wᵢⱼ + Σⱼ wⱼᵢ)² （反映行和与列和的差异）

这堆符号看起来很复杂。但别急着跑，用一个小例子演示一下就懂了。

假设你有一个3×3格网，只用相邻权重（rook邻接，只共享边）。先构建W矩阵：

W = |
  0 1 0 | 1 0 1 | 0 1 0  |
  行标准化后，每行和为1。
  计算S₀: 所有权重求和 = n = 9。
  计算S₁: 对每个非零权重平方和。
  计算S₂: 每行和+每列和，平方再求和。

我记得第一次手动推导这个公式时，花了整整一个下午。因为S₁和S₂的推导里，对交叉项的处理很容易搞错。如果你不想算，也可以直接用PySAL或GeoDa等工具自动输出方差。但我建议至少手推一遍小矩阵，对理解方差来源会有质变帮助。

3.5 完整的检验统计量：Z scores

有了E[I]和Var[I]，我们就可以构造标准正态检验统计量：

Z = (I - E[I]) / √Var(I)

这个Z值服从标准正态分布（在足够大样本下）。然后你就可以用双侧检验来判断是否拒绝H₀：

• Z > 1.96：显著空间正相关（聚集）
• Z < -1.96：显著空间负相关（离散）
• |Z| ≤ 1.96：不能拒绝随机假设

我在给一个团队做培训时，经常强调一句话：Moran I本身只是描述，Z值才是判断。光看I是0.6还不行，得看它有没有统计显著性。尤其在小样本下，哪怕I很大，也可能不显著。

下面这张图概括了全局Moran I计算和检验的完整流程：

整个流程，说白了就是从空间配置出发、算出Moran I、再判断它是否可信。

3.6 注意事项：当你算出的I值偏大或偏小时

在实际项目中，你可能会遇到一些反常结果。比如Global Moran I达到0.9，但Z值却不显著。这时别急着开心，很可能是因为数据存在异方差或空间非平稳性。我曾经在房价模型里见过这种情况——因为有几个极端高的离群点，使得I被拉高，方差也被拉大，最终不显著。

另外，数据里的缺失值也要小心处理。如果直接删掉缺失值，你必须重新检查权重矩阵是否完整。我记得有一次因为数据空值太多，结果删到最后只剩下70%的样本，空间自相关结构完全变了。所以，我一般采用多重插补或者空间插值来补全，至少也要做敏感性分析对比。