Uczenie się poprzez działanie jest moim preferowanym sposobem. A jeśli chodzi o statystyki przestrzenne, R staje się naprawdę potężnym narzędziem. Więc jeśli jest to opcja, przejrzyj niektóre materiały kursu, pobierz dane i wypróbuj je sam.
Kilka punktów początkowych obejmujących autokorelację przestrzenną (SA) (i ogólnie mówiąc obsługę rzeczy przestrzennych w R):
Centrum Studiów Demograficznych i Ekologicznych (CSDE) na University of Washington zapewnia materiały z warsztatów Spatial R.
Instytut Ilościowej Nauki Społecznej na Uniwersytecie Harvarda ma materiały z warsztatu Applied Spatial Statistics in R obejmującego SA.
Wydział Geografii na Uniwersytecie Kolorado oferuje materiały dotyczące SA w ramach kursu Wprowadzenie do metod ilościowych .
Po zapoznaniu się z językiem R możesz połączyć go z PostgreSQL przy użyciu języka procedur PL / R - R dla PostgreSQL , ale nie mogę tego komentować, ponieważ nie mam wystarczającej wiedzy na ten temat.
Python może być inną alternatywą. PySAL to aktywnie rozwijana i dobrze udokumentowana biblioteka, która pozwoli Ci wdrożyć wszystkie funkcje GeoDa, w tym SA (i najprawdopodobniej jeszcze więcej). Python i Postgres są zwykle dobrymi przyjaciółmi, więc poświęcając trochę czasu, najprawdopodobniej możesz również poślubić tych dwóch.