本书聚焦海量空间面数据分析中的空间自相关统计检验，系统性地研究了三个关键问题:统计量选择、非零原假设框架、p-值问题。本书的研究成果为海量空间面数据自相关分析中的模型假设设定及统计推断可信度等核心问题提供了理论基础和方法参考。本书也探讨了如何融合空间自相关方法与机器学习、深度学习方法从而提高后者对于空间特征的处理能力、增强模型的可解释性，为人工智能时代的地理空间人工智能(GeoAI)研究抛砖引玉。本书可供地理信息等涉及空间数据分析领域的科研人员参考。
罗庆，现为武汉工程大学讲师，湖北省工业与应用数学学会理事（2023—2027），研究方向为空间统计、时空数据分析与模型、空间人口学等，主持国家自然科学基金1项，代表性成果主要集中于空间自相关的统计检验方法研究。
