空间自相关分析是一种空间统计方法，可以揭示空间变量的区域结构形态。可以利用此方法对某一地区人口全局和局部空间自相关性进行实证分析。空间自相关分析，也是检验某一要素属性值是否与其相邻空间点上的属性值相关联的重要指标，正相关表明某单元的属性值变化与其相邻空间单元具有相同的变化趋势，代表了空间现象有集聚性的存在；负相关则相反。空间自相关分析可以分为全局空间自相关和局部空间自相关。

       其中，全局空间自相关概括了在一个总的空间范围内空间依赖的程度；其最常用的关联指标是Moran's I，在构成的Moran 散点图中，可以划分为四个象限，对应四种不同的区域空间差异类型：高高（区域自身和周边地区的属性水平均较高，二者空间差异程度较小）、高低（区域自身属性水平高，周边地区属性水平低，二者空间差异程度较大）、低低、低高；能够根据高高、低低类型是否占最多，判断某一地区存在显著的空间自相关性，即具有明显的空间集聚特征。

       局部空间自相关，描述一个空间单元与其领域的相似程度，能够表示每个局部单元服从全局总趋势的程度（包括方向和量级），并提示空间异质，说明空间依赖是如何随位置变化的。其常用反映指标是Local Moran's I 。其空间关联模式可细分四种类型：高高关联（即属性值高于均值的空间单元被属性值高于均值的领域所包围）、低低关联，属于正的空间关联；高低关联、低高关联，属于负的空间关联。